JP6740247B2 - 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 - Google Patents
異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 Download PDFInfo
- Publication number
- JP6740247B2 JP6740247B2 JP2017553636A JP2017553636A JP6740247B2 JP 6740247 B2 JP6740247 B2 JP 6740247B2 JP 2017553636 A JP2017553636 A JP 2017553636A JP 2017553636 A JP2017553636 A JP 2017553636A JP 6740247 B2 JP6740247 B2 JP 6740247B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- input data
- abnormality detection
- normal
- vae
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/90—Identifying an image sensor based on its output data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Description
異常検出システム1は、3つの工程を含む(図3)。
工程1;潜在変数モデルと同時確率モデルを同時に学習する工程(学習部14により実現される)。
工程2;前記学習された潜在変数モデルと同時確率モデルを利用して、テスト用データ尤度p(x)を測定する工程(取得部11及び測定部12により実現される)。
工程3;前記尤度p(x)に関する情報を用いて正常か異常かを判定する工程(判定部13により実現される)。
工程1は、潜在変数モデルと同時確率モデルを同時に学習する工程である。
p(z)〜N(0,I)
p(x|z)〜N(μ(z),σ(z))
N(μ,σ)は、平均μ,分散σからなる正規分布である。
μ(z),σ(z)は、ニューラルネットからの出力である。
−logp(x)=−logΠp(x_i)=−Σlog∫p(x_i|z)p(z)dz
−logΠp(x_i)=−Σ_ilog∫p(x_i|z;θ)p(z)dz
<=−Σ_iq(z|x;ξ)∫logp(x_i|z;θ)p(z)/q(z|x_i;ξ)dz
=Σ_iE_{q(z|x_i;ξ)}[p(x_i|z;θ)]−KL(p(z)||q(z|x_i;ξ))
工程2は、前記学習された潜在変数モデルと同時確率モデルを利用して、テスト用データ尤度p(x)を測定する工程である。
工程3は、前記尤度p(x)に関する情報を用いて正常か異常かを判定する工程である。
前述の通り、異常検出システム1は、繰り返し動作において外乱確率分布が正常時と異常時で変わるとき、正常時データで確率モデルPを学習して、Pによる観測データx、尤度p(x)変化を異常予測する。
手順1(取得部11により実現)では、入力データに対しての前処理を行う。たとえばスペクトラム変換をしてもよい。
手順2(学習部14により実現)では、正常状態にあるデータ群を訓練データとして入力し、入力データを復元するように確率モデルPを学習する。例えば、スペクトラムを並べたベクトルを入力xとすることができる。
p(x;θ):=∫p(x,z;θ)dz p(x,z;θ):=p(x|z;θ)p(z)
p(x;θ):=∫p(x|z;θ)p(z)dz
logp(x;θ):=log∫p(x,z;θ)dz
=log∫p(x,z;θ)q(z|x;φ)/q(z|x;φ)dz
>=∫q(z|x;φ)logp(x,z;θ)/q(z|x;φ)dz
=Eq(z|x;φ)[logp(x,z;θ)/q(z|x;φ)]
=L(θ,φ)
L(θ,φ)=Eq(z|x;φ)[logp(x,z;θ)/q(z|x;φ)]
手順3(測定部12により実現)では、学習済みのエンコーダおよびデコーダを用意し、異常検知を行う判定データに対して、それを入力として、Pによる尤度p(x)を計算する。尤度p(x)というのは、判定データ入力に対して学習済みエンコーダおよびデコーダの出力結果との各次元の異常度に相関のあるものである。
手順4(測定部12又は判定部13により実現)では、尤度p(x)をスコアS(x)に変換して平滑化する。たとえば変換処理は、対数などがある。
手順5(判定部13により実現)では、S(x)が閾値を超えたとき、異常と判定する。
異常検出システム1は、潜在変数モデルと同時確率モデルの学習を同時に行う。故に、異常検出システム1は、特徴設計を必要としない。尚、前記潜在変数モデルと同時確率モデルのモデル化にニューラルネットを利用してもよい。
前記実施例1における異常検出システム1は、機械学習のモデルとしてVAEを利用した場合を主として説明を行ったが、この実施例2においては、機械学習のモデルとして、AAE(Adversarial AutoEncoder:敵対的自己符号化器)を利用する場合について説明を行う。
この実施例3においては、機械学習のモデルとして、LVAE(Ladder Variational AutoEncoder:はしご型変分自己符号化器)を利用する場合について説明を行う。
この実施例4においては、機械学習のモデルとして、ADGM(Auxiliary Deep Generative Model:補助深層生成モデル)を利用する場合について説明を行う。
L=log[p(x〜|z)]+log[p(a|x〜,z)/q(a|x)]+log[p(z)/q(z|a,x)]
この損失Lの値が十分に小さくなるように、学習を繰り返す。なお、損失Lの計算における対数尤度p(x)の計算は直接行うことが難しいので、変分下限を最大化することによって求める。
前記実施例1においては、異常検出の方法として、尤度に基づいてセンサデータが正常であるか又は異常であるかを判定するものとして説明しており、この判定の方法は、実施例2乃至4においても採用することが可能である。また、実施例1乃至4の何れにおいても、尤度の計算は行わずに、入力データxと復元データx〜とのずれを計算してずれの量に応じて異常か正常かを検出するようにしてもよい。具体的には、入力データxと復元データx〜の各次元ごとに成分のずれを、例えば(xi−xi 〜)2などの演算を行って求め、いずれかの次元において大きな乖離がある場合に異常であると判定するようにしてもよい。
前記実施例1乃至4において、潜在変数z、表現z、補助変数a等の推論などは、確率的な関数からサンプリングによってそれぞれ値を得ているが、それぞれ1回だけサンプリングを行って潜在変数z、表現z、補助変数a等を得て損失Lの計算を行うものとして説明を行っていた。しかし、これに限らず、複数回サンプリングを行って、得られた値毎に損失Lを計算してその平均をとるようにしてもよい。このように、複数回のサンプリングを行うようにすることで、サンプリングの片寄りを吸収できるため、学習の効率化や異常検出精度の向上が期待できる。
前記実施例1乃至4においては、学習過程及び異常検出過程の何れにおいても、入力データxをエンコーダに入力して入力データの表現z(潜在変数z)を推論し、その入力データの表現zをデコーダに入力して復元データx〜を生成し、入力データxと復元データx〜とを比較して異常検出を行うようにしていた。しかし、この場合、得られた復元データx〜が、十分に正常データの値と近づいていない場合があった。そこで、1回の推論、生成のプロセスで得られた復元データx〜をさらにエンコーダに入力するようにしてもよい。例えば、入力データxから復元データx0 〜を生成し、復元データx0 〜から復元データx1 〜を生成し、復元データx1 〜から復元データx2 〜を生成するというように、得られた出力を再度エンコーダに入力するという処理を繰り返すことで、正常データの値に近い復元データを得ることが可能となる。この場合に、1回の推論、生成のプロセスごとに損失Lを計算して、損失Lの和をとるようにしてもよいし、複数回処理を繰り返して最終的に得られた復元データ(上記の例では、復元データx2 〜)を入力データxと比較して損失Lを計算するようにしてもよい。このように、複数回の推論、生成のプロセスを繰り返した後に損失Lを計算するようにすることで、学習の効率化や異常検出精度の向上が期待できる。
異常検出システム1は、機械や電子機器の故障予兆システムに使用することができる。本実施形態に係る故障予知システムは、様々なデータソースから収集されるデータを逐次的に処理して起こり得る事象の予測だけでなく、把握された事象に対する適切なアクション(対処)の判断(イベントの発生)、及び、関連するシステムに対して判断されたアクションに対応する通知や所定の制御を行わせる出力処理を、一連の流れで制御することを実現させる。
10 格納部
11 取得部
12 測定部
13 判定部
14 学習部
Claims (22)
- プログラムを記憶する1つ又は複数のコンピュータを備える異常検出システムであって、前記プログラムが前記1つ又は複数のコンピュータによって実行されると、前記1つ又は複数のコンピュータが、
正常データを含む訓練データで予め学習されたVAEのエンコーダに基づいて、異常検出対象の入力データから潜在変数を推論することと、
予め学習された前記VAEのデコーダに基づいて、前記潜在変数から復元データを生成することと、
前記入力データと前記復元データに基づいて、前記入力データが正常であるか又は異常であるかを判定することと、
を実行するように動作可能である、異常検出システム。 - 前記判定は、前記入力データと前記復元データのずれに基づいて、前記入力データが正常であるか又は異常であるかを判定する、
請求項1に記載の異常検出システム。 - 前記入力データは、センサデータに前処理としてスペクトラム変換を適用したデータでる、
請求項1又は2に記載の異常検出システム。 - 前記判定は、前記推論及び前記生成での処理過程で得られるパラメータによって演算した尤度に基づいて、前記入力データと前記復元データのずれ量を判定するようにした、請求項2に記載の異常検出システム。
- 前記判定は、前記入力データと前記復元データの各次元の成分のずれを演算して求め、何れかの次元において大きな乖離がある場合に異常であると判定するようにした、請求項2に記載の異常検出システム。
- 前記1つ又は複数のコンピュータに、
正常データからなる訓練データに基づいて前記VAEのエンコーダと前記VAEのデコーダとを学習することをさらに実行させるように動作可能である、請求項1〜5の何れかに記載の異常検出システム。 - 前記判定は、前記推論及び前記生成での処理過程で得られるパラメータによって演算した尤度をスコア化し、後処理として前記スコアに対して平滑化処理を行い、平滑化処理後の前記スコアに基づいて前記入力データが正常であるか又は異常であるかを判定する、請求項1〜6の何れかに記載の異常検出システム。
- 前記入力データに基づいて前記推論及び前記生成を実行して前記復元データを得る処理を複数回実行するようにし、
前記判定は、前記推論及び前記生成での処理過程で得られるパラメータによって演算した尤度を前記複数回実行のそれぞれについて求め、複数の尤度に基づいて前記入力データが正常であるか又は異常であるかを判定する、請求項1〜7の何れかに記載の異常検出システム。 - 前記推論及び前記生成を実行することで得られた前記復元データを用いて、さらに前記推論及び前記生成を実行して前記復元データを得る繰り返し処理を実行するようにし、
前記判定は、前記入力データと前記繰り返し処理の結果として得られた前記復元データとのずれに基づいて、前記入力データが正常であるか又は異常であるかを判定する、請求項1〜7の何れかに記載の異常検出システム。 - 1つ又は複数の複数のコンピュータによって実施される異常検出方法であって、
正常データを含む訓練データで予め学習されたVAEのエンコーダに基づいて、異常検出対象の入力データから潜在変数を推論し、
予め学習された前記VAEのデコーダに基づいて、前記潜在変数から復元データを生成し、
前記入力データと前記復元データに基づいて、前記入力データが正常であるか又は異常であるかを判定する、
異常検出方法。 - 前記判定において、前記入力データと前記復元データのずれに基づいて、前記入力データが正常であるか又は異常であるかを判定する、
請求項10に記載の異常検出方法。 - 前記入力データは、センサデータに前処理としてスペクトラム変換を適用したデータである、
請求項10又は11に記載の異常検出方法。 - 前記判定において、前記推論及び前記生成での処理過程で得られるパラメータによって演算した尤度に基づいて、前記入力データと前記復元データのずれ量を判定するようにした、請求項11に記載の異常検出方法。
- 前記判定において、前記入力データと前記復元データの各次元の成分のずれを演算して求め、何れかの次元において大きな乖離がある場合に異常であると判定するようにした、請求項11に記載の異常検出方法。
- 正常データからなる訓練データに基づいて前記VAEのエンコーダと前記VAEのデコーダとを学習する、請求項11〜14の何れかに記載の異常検出方法。
- 前記判定は、前記推論及び前記生成での処理過程で得られるパラメータによって演算した尤度をスコア化し、後処理として前記スコアに対して平滑化処理を行い、平滑化処理後の前記スコアに基づいて前記入力データが正常であるか又は異常であるかを判定する、請求項11〜15の何れかに記載の異常検出方法。
- 前記入力データに基づいて前記推論及び前記生成を実行して前記復元データを得る処理を複数回実行するようにし、
前記判定は、前記推論及び前記生成での処理過程で得られるパラメータによって演算した尤度を前記複数回実行のそれぞれについて求め、複数の尤度に基づいて前記入力データが正常であるか又は異常であるかを判定する、請求項11〜16の何れかに記載の異常検出方法。 - 前記推論及び前記生成を実行することで得られた前記復元データを用いて、さらに前記推論及び前記生成を実行して前記復元データを得る処理を少なくとも1回以上行う繰り返し処理を実行するようにし、
前記判定は、前記入力データと前記繰り返し処理の結果として得られた前記復元データとのずれに基づいて、前記入力データが正常であるか又は異常であるかを判定する、請求項11〜16の何れかに記載の異常検出方法。 - 1つ又は複数のコンピュータによって実行可能な命令を含む異常検出プログラムであって、前記命令が実行されると、前記1つ又は複数のコンピュータに、
正常データを含む訓練データで予め学習されたVAEのエンコーダに基づいて、異常検出対象の入力データから潜在変数を推論することと、
予め学習された前記VAEのデコーダに基づいて、前記潜在変数から復元データを生成することと、
前記入力データと前記復元データに基づいて、前記入力データが正常であるか又は異常であるかを判定することと、
を含む動作を行わせる、異常検出プログラム。 - 1つ又は複数のコンピュータによって実行可能な命令を含むプログラムを記憶する非一時的なコンピュータ可読記憶媒体であって、前記命令が実行されると、前記1つ又は複数のコンピュータに、
正常データを含む訓練データで予め学習されたVAEのエンコーダに基づいて、異常検出対象の入力データから潜在変数を推論することと、
予め学習された前記VAEのデコーダに基づいて、前記潜在変数から復元データを生成することと、
前記入力データと前記復元データに基づいて、前記入力データが正常であるか又は異常であるかを判定することと、
を含む動作を行わせる、非一時的なコンピュータ可読記憶媒体。 - 1つ又は複数の複数のコンピュータによって実施される学習済モデル生成方法であって、
正常なデータからなる少なくとも1以上の訓練データを取得し、
VAEのエンコーダに基づいて、前記訓練データから潜在変数を推論し、
前記VAEのデコーダに基づいて、前記潜在変数から復元データを生成し、
前記訓練データと前記復元データのずれを演算し、
前記ずれに基づいて、前記VAEのエンコーダと前記VAEのデコーダのパラメータを更新する
学習済モデル生成方法。 - プログラムを記憶する1つ又は複数のコンピュータを備える学習済モデル生成装置であって、前記プログラムが前記1つ又は複数のコンピュータによって実行されると、前記1つ又は複数のコンピュータに、
正常なデータからなる少なくとも1以上の訓練データを取得することと、
VAEのエンコーダに基づいて前記訓練データから潜在変数を推論することと、
前記VAEのデコーダに基づいて前記潜在変数から復元データを生成することと、
前記訓練データと前記復元データのずれを演算することと、
前記ずれに基づいて前記VAEのエンコーダと前記VAEのデコーダのパラメータを更新することと、
を実行させるように動作可能である、学習済モデル生成装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015234923 | 2015-12-01 | ||
JP2015234923 | 2015-12-01 | ||
PCT/JP2016/005043 WO2017094267A1 (ja) | 2015-12-01 | 2016-12-01 | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020077546A Division JP7167084B2 (ja) | 2015-12-01 | 2020-04-24 | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017094267A1 JPWO2017094267A1 (ja) | 2018-10-11 |
JP6740247B2 true JP6740247B2 (ja) | 2020-08-12 |
Family
ID=58796725
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017553636A Active JP6740247B2 (ja) | 2015-12-01 | 2016-12-01 | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
JP2020077546A Active JP7167084B2 (ja) | 2015-12-01 | 2020-04-24 | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
JP2022001272A Pending JP2022037241A (ja) | 2015-12-01 | 2022-01-06 | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020077546A Active JP7167084B2 (ja) | 2015-12-01 | 2020-04-24 | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
JP2022001272A Pending JP2022037241A (ja) | 2015-12-01 | 2022-01-06 | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 |
Country Status (5)
Country | Link |
---|---|
US (3) | US10831577B2 (ja) |
EP (1) | EP3385889A4 (ja) |
JP (3) | JP6740247B2 (ja) |
CN (1) | CN108431834A (ja) |
WO (1) | WO2017094267A1 (ja) |
Families Citing this family (107)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3385889A4 (en) | 2015-12-01 | 2019-07-10 | Preferred Networks, Inc. | ANOMALY DETECTION SYSTEM, ANOMALY DETECTION METHOD, ANOMALY DETECTION PROGRAM, AND APPRIS MODEL GENERATION METHOD |
GB201718756D0 (en) | 2017-11-13 | 2017-12-27 | Cambridge Bio-Augmentation Systems Ltd | Neural interface |
WO2018022752A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
JP6840953B2 (ja) * | 2016-08-09 | 2021-03-10 | 株式会社リコー | 診断装置、学習装置および診断システム |
CN110383299B (zh) * | 2017-02-06 | 2023-11-17 | 渊慧科技有限公司 | 记忆增强的生成时间模型 |
WO2018173121A1 (ja) * | 2017-03-21 | 2018-09-27 | 株式会社Preferred Networks | サーバ装置、学習済モデル提供プログラム、学習済モデル提供方法及び学習済モデル提供システム |
US11694072B2 (en) * | 2017-05-19 | 2023-07-04 | Nvidia Corporation | Machine learning technique for automatic modeling of multiple-valued outputs |
JP6767312B2 (ja) * | 2017-06-12 | 2020-10-14 | 日本電信電話株式会社 | 検知システム、検知方法及び検知プログラム |
WO2019004350A1 (ja) * | 2017-06-29 | 2019-01-03 | 株式会社 Preferred Networks | データ識別器訓練方法、データ識別器訓練装置、プログラム及び訓練方法 |
JP6853148B2 (ja) * | 2017-09-07 | 2021-03-31 | 日本電信電話株式会社 | 検知装置、検知方法及び検知プログラム |
EP3457333A1 (en) * | 2017-09-14 | 2019-03-20 | Siemens Aktiengesellschaft | Method for generating at least one recommendation |
CN109521725A (zh) * | 2017-09-20 | 2019-03-26 | 西门子公司 | 检测异常数据的方法、装置和设备以及机器可读介质 |
JP7325557B2 (ja) * | 2017-09-27 | 2023-08-14 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 異常診断方法および異常診断装置 |
JP6881207B2 (ja) * | 2017-10-10 | 2021-06-02 | 日本電信電話株式会社 | 学習装置、プログラム |
WO2019073923A1 (ja) * | 2017-10-10 | 2019-04-18 | 国立大学法人岐阜大学 | 異常品判定方法 |
CN109685087B9 (zh) * | 2017-10-18 | 2023-02-03 | 富士通株式会社 | 信息处理方法和装置以及信息检测方法 |
JPWO2019087987A1 (ja) * | 2017-11-02 | 2020-11-12 | 日本電信電話株式会社 | 異常検知装置、異常検知方法、及びプログラム |
AU2018363296A1 (en) | 2017-11-13 | 2020-07-02 | Bios Health Ltd | Neural interface |
JP6835704B2 (ja) * | 2017-12-04 | 2021-02-24 | 日本電信電話株式会社 | 検知システム、学習方法及び学習プログラム |
JP6893483B2 (ja) * | 2018-02-09 | 2021-06-23 | 株式会社デンソーアイティーラボラトリ | 情報推定装置及び情報推定方法 |
KR101967339B1 (ko) | 2018-03-06 | 2019-04-09 | 단국대학교 산학협력단 | 심층학습 기반의 adas 센서 고장 진단 및 백업을 위한 장치 및 방법 |
JP7006396B2 (ja) * | 2018-03-12 | 2022-01-24 | 株式会社リコー | 保守システム、保守サーバ、保守方法 |
JP7106902B2 (ja) * | 2018-03-13 | 2022-07-27 | 富士通株式会社 | 学習プログラム、学習方法および学習装置 |
CN111788587B (zh) * | 2018-04-17 | 2023-06-23 | 赫尔实验室有限公司 | 用于贝叶斯神经形态编译器的编程模型 |
JP7002404B2 (ja) * | 2018-05-15 | 2022-01-20 | 株式会社日立製作所 | データから潜在因子を発見するニューラルネットワーク |
JP7119631B2 (ja) * | 2018-06-20 | 2022-08-17 | 日本電信電話株式会社 | 検知装置、検知方法および検知プログラム |
JP6767434B2 (ja) * | 2018-06-20 | 2020-10-14 | 日本電信電話株式会社 | 評価装置及び評価方法 |
JP7056406B2 (ja) * | 2018-06-22 | 2022-04-19 | 日本電信電話株式会社 | センサノード及びデータセンタとして機能する装置、センサネットワーク、通信方法及びプログラム |
JP7007243B2 (ja) * | 2018-07-04 | 2022-01-24 | 株式会社日立製作所 | 異常検知システム |
EP4216216A1 (en) * | 2018-08-10 | 2023-07-26 | Nippon Telegraph And Telephone Corporation | Probability distribution learning apparatus and autoencoder learning apparatus |
JP7106391B2 (ja) * | 2018-08-22 | 2022-07-26 | 株式会社Ye Digital | 画像判定方法、画像判定装置および画像判定プログラム |
DE102018120577A1 (de) * | 2018-08-23 | 2020-02-27 | Vorwerk & Co. Interholding Gmbh | Sich selbsttätig innerhalb einer Umgebung fortbewegendes Bodenbearbeitungsgerät |
JP7056465B2 (ja) * | 2018-08-23 | 2022-04-19 | 株式会社明電舎 | 異常予兆検出システム |
EP4290412A3 (en) * | 2018-09-05 | 2024-01-03 | Sartorius Stedim Data Analytics AB | Computer-implemented method, computer program product and system for data analysis |
US11593660B2 (en) * | 2018-09-18 | 2023-02-28 | Insilico Medicine Ip Limited | Subset conditioning using variational autoencoder with a learnable tensor train induced prior |
CN109086876B (zh) * | 2018-09-21 | 2022-07-22 | 广州发展集团股份有限公司 | 设备的运行状态检测方法、装置、计算机设备和存储介质 |
US10754310B2 (en) | 2018-10-18 | 2020-08-25 | International Business Machines Corporation | Incorporating change diagnosis using probabilistic tensor regression model for improving processing of materials |
CN111124793A (zh) * | 2018-11-01 | 2020-05-08 | 中国移动通信集团浙江有限公司 | 磁盘阵列控制器性能异常检测方法及系统 |
JP6867358B2 (ja) * | 2018-11-13 | 2021-04-28 | ファナック株式会社 | 状態判定装置及び状態判定方法 |
US11664108B2 (en) | 2018-11-29 | 2023-05-30 | January, Inc. | Systems, methods, and devices for biophysical modeling and response prediction |
WO2020113128A1 (en) * | 2018-11-29 | 2020-06-04 | January, Inc. | Systems, methods, and devices for biophysical modeling and response prediction |
CN109635422B (zh) * | 2018-12-07 | 2023-08-25 | 深圳前海微众银行股份有限公司 | 联合建模方法、装置、设备以及计算机可读存储介质 |
RU2739866C2 (ru) * | 2018-12-28 | 2020-12-29 | Акционерное общество "Лаборатория Касперского" | Способ обнаружения совместимых средств для систем с аномалиями |
KR102279983B1 (ko) * | 2018-12-28 | 2021-07-21 | 성균관대학교산학협력단 | 딥러닝 알고리즘을 이용한 비지도 방식의 네트워크 침입 탐지 방법 및 이를 실행하기 위한 프로그램이 기록된 기록매체 |
US11989013B2 (en) | 2019-01-18 | 2024-05-21 | Nec Corporation | Abnormality detection apparatus, abnormality detection system, and learning apparatus, and methods for the same and non-temporary computer-readable medium storing the same |
JP7268367B2 (ja) * | 2019-01-30 | 2023-05-08 | 富士通株式会社 | 学習装置、学習方法および学習プログラム |
US11935652B1 (en) * | 2019-02-20 | 2024-03-19 | Verily Life Sciences Llc | Health status change detection using anomaly detection in latent spaces |
JP6723401B1 (ja) * | 2019-02-27 | 2020-07-15 | レノボ・シンガポール・プライベート・リミテッド | 電子機器、制御方法、及びプログラム |
JP7308476B2 (ja) * | 2019-02-28 | 2023-07-14 | 国立大学法人 奈良先端科学技術大学院大学 | 情報処理装置、情報処理方法、および情報処理プログラム |
CN109871002B (zh) * | 2019-03-06 | 2020-08-25 | 东方证券股份有限公司 | 基于张量标签学习的并发异常状态识别与定位系统 |
US11715016B2 (en) | 2019-03-15 | 2023-08-01 | International Business Machines Corporation | Adversarial input generation using variational autoencoder |
JP7136329B2 (ja) * | 2019-03-27 | 2022-09-13 | 日本電気株式会社 | 異常検知装置、制御方法、及びプログラム |
CN109978379B (zh) * | 2019-03-28 | 2021-08-24 | 北京百度网讯科技有限公司 | 时序数据异常检测方法、装置、计算机设备和存储介质 |
JP6737487B1 (ja) * | 2019-05-20 | 2020-08-12 | 株式会社アルム | 画像処理装置、画像処理システム、および画像処理プログラム |
US11604934B2 (en) * | 2019-05-29 | 2023-03-14 | Nec Corporation | Failure prediction using gradient-based sensor identification |
JP2020201871A (ja) | 2019-06-13 | 2020-12-17 | ファナック株式会社 | 診断装置 |
JP2021015573A (ja) * | 2019-07-16 | 2021-02-12 | ファナック株式会社 | 異常判定装置及び異常判定システム |
CN110473084A (zh) * | 2019-07-17 | 2019-11-19 | 中国银行股份有限公司 | 一种异常检测方法和装置 |
JP6935551B2 (ja) * | 2019-07-18 | 2021-09-15 | 株式会社日立製作所 | データセットにおける異常の根本原因を検出する方法およびシステム |
US11853863B2 (en) | 2019-08-12 | 2023-12-26 | Micron Technology, Inc. | Predictive maintenance of automotive tires |
US11586943B2 (en) | 2019-08-12 | 2023-02-21 | Micron Technology, Inc. | Storage and access of neural network inputs in automotive predictive maintenance |
US11635893B2 (en) | 2019-08-12 | 2023-04-25 | Micron Technology, Inc. | Communications between processors and storage devices in automotive predictive maintenance implemented via artificial neural networks |
US11748626B2 (en) | 2019-08-12 | 2023-09-05 | Micron Technology, Inc. | Storage devices with neural network accelerators for automotive predictive maintenance |
US11775816B2 (en) | 2019-08-12 | 2023-10-03 | Micron Technology, Inc. | Storage and access of neural network outputs in automotive predictive maintenance |
US11586194B2 (en) | 2019-08-12 | 2023-02-21 | Micron Technology, Inc. | Storage and access of neural network models of automotive predictive maintenance |
US11498388B2 (en) | 2019-08-21 | 2022-11-15 | Micron Technology, Inc. | Intelligent climate control in vehicles |
US11702086B2 (en) | 2019-08-21 | 2023-07-18 | Micron Technology, Inc. | Intelligent recording of errant vehicle behaviors |
JP7068246B2 (ja) * | 2019-08-26 | 2022-05-16 | 株式会社東芝 | 異常判定装置、および、異常判定方法 |
CN114207736A (zh) * | 2019-08-30 | 2022-03-18 | 佳能株式会社 | 信息处理装置、信息处理方法、信息处理系统和程序 |
US11650746B2 (en) | 2019-09-05 | 2023-05-16 | Micron Technology, Inc. | Intelligent write-amplification reduction for data storage devices configured on autonomous vehicles |
US11693562B2 (en) | 2019-09-05 | 2023-07-04 | Micron Technology, Inc. | Bandwidth optimization for different types of operations scheduled in a data storage device |
KR20210033774A (ko) | 2019-09-19 | 2021-03-29 | 삼성전자주식회사 | 이미지 분석 방법 및 이를 수행하는 전자 장치 |
CN112540842A (zh) * | 2019-09-20 | 2021-03-23 | 北京国双科技有限公司 | 动态调整系统资源的方法及装置 |
JP7382791B2 (ja) * | 2019-10-30 | 2023-11-17 | 株式会社日立製作所 | 異常判定装置、車両支援システム |
US11019087B1 (en) * | 2019-11-19 | 2021-05-25 | Ehsan Adeli | Computer vision-based intelligent anomaly detection using synthetic and simulated data-system and method |
JP2021082126A (ja) * | 2019-11-21 | 2021-05-27 | 三菱重工業株式会社 | 異常検出装置、異常検出方法およびプログラム |
CN110992354B (zh) * | 2019-12-13 | 2022-04-12 | 华中科技大学 | 基于引入自动记忆机制对抗自编码器的异常区域检测方法 |
US11224359B2 (en) * | 2019-12-17 | 2022-01-18 | Robert Bosch Gmbh | Repetitive human activities abnormal motion detection |
US11250648B2 (en) | 2019-12-18 | 2022-02-15 | Micron Technology, Inc. | Predictive maintenance of automotive transmission |
US20210216876A1 (en) * | 2020-01-15 | 2021-07-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for auto-encoder behavior modelling of vehicle components |
US11531339B2 (en) * | 2020-02-14 | 2022-12-20 | Micron Technology, Inc. | Monitoring of drive by wire sensors in vehicles |
US11709625B2 (en) | 2020-02-14 | 2023-07-25 | Micron Technology, Inc. | Optimization of power usage of data storage devices |
EP4110431A4 (en) * | 2020-02-27 | 2023-08-02 | Siemens Healthcare Diagnostics Inc. | AUTOMATIC VALIDATION OF SENSOR TRACKS USING MACHINE LEARNING |
JP6979477B2 (ja) * | 2020-03-10 | 2021-12-15 | エヌ・ティ・ティ・アドバンステクノロジ株式会社 | 状態判定装置、状態判定方法及びコンピュータプログラム |
JP7333284B2 (ja) * | 2020-03-16 | 2023-08-24 | 株式会社日立製作所 | 保守支援システム及び保守支援方法 |
JPWO2021251414A1 (ja) * | 2020-06-09 | 2021-12-16 | ||
WO2021250868A1 (ja) * | 2020-06-11 | 2021-12-16 | 日本電信電話株式会社 | 復元可否判定方法、復元可否判定装置及びプログラム |
CN111726350B (zh) * | 2020-06-16 | 2022-07-05 | 桂林电子科技大学 | 基于vae和bpnn的内部威胁检测方法 |
CN111865947B (zh) * | 2020-07-08 | 2021-07-20 | 浙江大学 | 一种基于迁移学习的电力终端异常数据生成方法 |
JPWO2022024245A1 (ja) * | 2020-07-29 | 2022-02-03 | ||
EP3719711A3 (en) * | 2020-07-30 | 2021-03-03 | Institutul Roman De Stiinta Si Tehnologie | Method of detecting anomalous data, machine computing unit, computer program |
CN111654695A (zh) * | 2020-07-30 | 2020-09-11 | 重庆盛泰光电有限公司 | 摄像头模组检测数据管理系统 |
KR20220019560A (ko) * | 2020-08-10 | 2022-02-17 | 삼성전자주식회사 | 네트워크 모니터링 장치 및 방법 |
CN111898701B (zh) * | 2020-08-13 | 2023-07-25 | 网易(杭州)网络有限公司 | 模型训练、帧图像生成、插帧方法、装置、设备及介质 |
KR102466716B1 (ko) * | 2020-08-18 | 2022-11-11 | 연세대학교 산학협력단 | 특징 벡터 분산에 기반한 손실 함수를 통한 이상 탐지 장치 및 방법 |
TWI747452B (zh) * | 2020-08-20 | 2021-11-21 | 慧景科技股份有限公司 | 以人工智慧進行案場異常偵測之智能監控之系統、方法及儲存媒體 |
CN112036305B (zh) * | 2020-08-31 | 2023-06-23 | 微特技术有限公司 | 一种基于自编码模型的起重机异常事件检测方法 |
CN112286169B (zh) * | 2020-10-20 | 2022-02-01 | 浙江钱江机器人有限公司 | 一种工业机器人故障检测方法 |
WO2022176196A1 (ja) * | 2021-02-22 | 2022-08-25 | 日本電信電話株式会社 | 学習装置、学習方法、およびプログラム |
CN117015775A (zh) * | 2021-03-17 | 2023-11-07 | 维萨国际服务协会 | 具有交互分类的可解释系统 |
WO2022259661A1 (ja) * | 2021-06-09 | 2022-12-15 | コニカミノルタ株式会社 | 学習装置、学習プログラム、異常検出装置、および異常検出プログラム |
CN113722176A (zh) * | 2021-07-30 | 2021-11-30 | 银清科技有限公司 | 一种自适应的异常性能指标确定方法及装置 |
JPWO2023021690A1 (ja) * | 2021-08-20 | 2023-02-23 | ||
KR102539448B1 (ko) * | 2021-11-09 | 2023-06-05 | 주식회사 스피랩 | 딥러닝 기반 IIoT 설비 이상탐지 방법 |
TWI809622B (zh) * | 2021-12-24 | 2023-07-21 | 臥龍智慧環境有限公司 | 用於診斷系統問題的系統和方法 |
CN114553756B (zh) * | 2022-01-27 | 2023-06-13 | 烽火通信科技股份有限公司 | 基于联合生成对抗网络的设备故障检测方法与电子设备 |
JP2024027788A (ja) * | 2022-08-19 | 2024-03-01 | 国立研究開発法人産業技術総合研究所 | 電流波形分析装置及び電流波形分析方法 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH076831B2 (ja) | 1988-02-04 | 1995-01-30 | 石川島播磨重工業株式会社 | 設備診断方法 |
US5331550A (en) | 1991-03-05 | 1994-07-19 | E. I. Du Pont De Nemours And Company | Application of neural networks as an aid in medical diagnosis and general anomaly detection |
US5465321A (en) * | 1993-04-07 | 1995-11-07 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Hidden markov models for fault detection in dynamic systems |
US7650210B2 (en) * | 1995-06-07 | 2010-01-19 | Automotive Technologies International, Inc. | Remote vehicle diagnostic management |
JP3619025B2 (ja) * | 1998-09-18 | 2005-02-09 | キヤノン株式会社 | 符号化方法及び符号化装置 |
WO2002046928A1 (en) * | 2000-12-04 | 2002-06-13 | Rensselaer Polytechnic Institute | Fault detection and prediction for management of computer networks |
JP2007326654A (ja) | 2006-06-06 | 2007-12-20 | Konica Minolta Medical & Graphic Inc | 搬送装置、画像読取装置及び画像記録装置 |
JP2009276334A (ja) | 2008-05-15 | 2009-11-26 | Yec:Kk | 異音ピツクアップツール |
US8126833B2 (en) * | 2008-09-11 | 2012-02-28 | Behavioral Recognition Systems, Inc. | Detecting anomalous events using a long-term memory in a video analysis system |
US8209080B2 (en) * | 2009-04-27 | 2012-06-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | System for determining most probable cause of a problem in a plant |
EP2369529A1 (en) * | 2010-03-24 | 2011-09-28 | Alcatel Lucent | A method of detecting anomalies in a message exchange, corresponding computer program product, and data storage device therefor |
JP2012098901A (ja) | 2010-11-02 | 2012-05-24 | Hitachi Ltd | 環境監視システム |
EP2771806A4 (en) * | 2011-10-28 | 2015-07-22 | Blackberry Ltd | MANAGEMENT OF ELECTRONIC EQUIPMENT WITH PROFILE-BASED INFERENCES BETWEEN DOMAINS |
US9043261B2 (en) * | 2012-05-31 | 2015-05-26 | Nec Corporation | Latent variable model estimation apparatus, and method |
US9170872B2 (en) * | 2013-01-16 | 2015-10-27 | Nike, Inc. | Reset supervisor |
US9177550B2 (en) * | 2013-03-06 | 2015-11-03 | Microsoft Technology Licensing, Llc | Conservatively adapting a deep neural network in a recognition system |
US10867597B2 (en) * | 2013-09-02 | 2020-12-15 | Microsoft Technology Licensing, Llc | Assignment of semantic labels to a sequence of words using neural network architectures |
CN103729444B (zh) * | 2013-12-30 | 2017-07-18 | 清华大学 | 一种基于设备监测数据间潜在关系的异常数据检测方法 |
WO2015134665A1 (en) * | 2014-03-04 | 2015-09-11 | SignalSense, Inc. | Classifying data with deep learning neural records incrementally refined through expert input |
US20150278441A1 (en) * | 2014-03-25 | 2015-10-01 | Nec Laboratories America, Inc. | High-order semi-Restricted Boltzmann Machines and Deep Models for accurate peptide-MHC binding prediction |
JP6172678B2 (ja) | 2014-04-30 | 2017-08-02 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 検出装置、検出方法、およびプログラム |
CN104113544B (zh) * | 2014-07-18 | 2017-10-31 | 重庆大学 | 基于模糊隐条件随机场模型的网络入侵检测方法及系统 |
CN104503420B (zh) * | 2014-09-19 | 2017-02-15 | 北京化工大学 | 一种基于新型fde‑elm和时延efsm的非线性过程工业故障预测方法 |
US11836746B2 (en) * | 2014-12-02 | 2023-12-05 | Fair Isaac Corporation | Auto-encoder enhanced self-diagnostic components for model monitoring |
JP2016177682A (ja) * | 2015-03-20 | 2016-10-06 | 株式会社東芝 | 設備評価装置、設備評価方法、コンピュータプログラム |
US20170063399A1 (en) * | 2015-08-28 | 2017-03-02 | Qualcomm Incorporated | Systems and methods for repair redundancy control for large erasure coded data storage |
EP3385889A4 (en) | 2015-12-01 | 2019-07-10 | Preferred Networks, Inc. | ANOMALY DETECTION SYSTEM, ANOMALY DETECTION METHOD, ANOMALY DETECTION PROGRAM, AND APPRIS MODEL GENERATION METHOD |
US10388274B1 (en) * | 2016-03-31 | 2019-08-20 | Amazon Technologies, Inc. | Confidence checking for speech processing and query answering |
-
2016
- 2016-12-01 EP EP16870208.2A patent/EP3385889A4/en not_active Ceased
- 2016-12-01 JP JP2017553636A patent/JP6740247B2/ja active Active
- 2016-12-01 US US15/780,355 patent/US10831577B2/en active Active
- 2016-12-01 WO PCT/JP2016/005043 patent/WO2017094267A1/ja active Application Filing
- 2016-12-01 CN CN201680070526.4A patent/CN108431834A/zh active Pending
-
2020
- 2020-04-24 JP JP2020077546A patent/JP7167084B2/ja active Active
- 2020-09-30 US US17/038,250 patent/US11334407B2/en active Active
-
2022
- 2022-01-06 JP JP2022001272A patent/JP2022037241A/ja active Pending
- 2022-04-08 US US17/716,992 patent/US11921566B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20180365089A1 (en) | 2018-12-20 |
JP7167084B2 (ja) | 2022-11-08 |
US20210011791A1 (en) | 2021-01-14 |
US11921566B2 (en) | 2024-03-05 |
JP2020119605A (ja) | 2020-08-06 |
EP3385889A4 (en) | 2019-07-10 |
US11334407B2 (en) | 2022-05-17 |
JPWO2017094267A1 (ja) | 2018-10-11 |
WO2017094267A1 (ja) | 2017-06-08 |
EP3385889A1 (en) | 2018-10-10 |
US10831577B2 (en) | 2020-11-10 |
US20220237060A1 (en) | 2022-07-28 |
JP2022037241A (ja) | 2022-03-08 |
CN108431834A (zh) | 2018-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6740247B2 (ja) | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 | |
Khelif et al. | Direct remaining useful life estimation based on support vector regression | |
JP7223839B2 (ja) | 異常検出および/または予知保全のためのコンピュータ実装方法、コンピュータプログラム製品およびシステム | |
Iqbal et al. | Fault detection and isolation in industrial processes using deep learning approaches | |
EP2905665B1 (en) | Information processing apparatus, diagnosis method, and program | |
EP2327019B1 (en) | Systems and methods for real time classification and performance monitoring of batch processes | |
da Silva et al. | A new methodology for multiple incipient fault diagnosis in transmission lines using QTA and Naïve Bayes classifier | |
Yu | Machine health prognostics using the Bayesian-inference-based probabilistic indication and high-order particle filtering framework | |
EP3489827B1 (en) | Discriminative hidden kalman filters for classification of streaming sensor data in condition monitoring | |
Baraldi et al. | Reconstruction of missing data in multidimensional time series by fuzzy similarity | |
KR20140041766A (ko) | 예측 및 예지를 위한 순차적 커널 회귀 모델링 방법 | |
CN112416662A (zh) | 多时间序列数据异常检测方法与装置 | |
Wu et al. | Layer-wise relevance propagation for interpreting LSTM-RNN decisions in predictive maintenance | |
Wang et al. | Adaptive prognosis of centrifugal pump under variable operating conditions | |
Chen et al. | A deep learning feature fusion based health index construction method for prognostics using multiobjective optimization | |
US20240085274A1 (en) | Hybrid bearing fault prognosis with fault detection and multiple model fusion | |
Mishra et al. | Fault detection of elevator systems using deep autoencoder feature extraction | |
Aremu et al. | Kullback-leibler divergence constructed health indicator for data-driven predictive maintenance of multi-sensor systems | |
Dervilis et al. | Damage detection in carbon composite material typical of wind turbine blades using auto-associative neural networks | |
Juesas et al. | Ascertainment-adjusted parameter estimation approach to improve robustness against misspecification of health monitoring methods | |
Zhu et al. | Generic process visualization using parametric t-SNE | |
Dang et al. | Vibration-based building health monitoring using spatio-temporal learning model | |
Nie et al. | Remaining useful life prediction approach for rolling element bearings based on optimized SVR model with reliable time intervals | |
Colace et al. | Unsupervised Learning Techniques for Vibration-Based Structural Health Monitoring Systems Driven by Data: A General Overview | |
El Bouharrouti et al. | Multi-Rate Vibration Signal Analysis for Bearing Fault Detection in Induction Machines Using Supervised Learning Classifiers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190725 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190725 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190725 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191029 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191224 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20200204 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20200207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200424 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20200424 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20200507 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20200508 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200626 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200722 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6740247 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |