JP6811791B2 - テレコミュニケーションネットワークを監視するための方法および装置 - Google Patents
テレコミュニケーションネットワークを監視するための方法および装置 Download PDFInfo
- Publication number
- JP6811791B2 JP6811791B2 JP2019013876A JP2019013876A JP6811791B2 JP 6811791 B2 JP6811791 B2 JP 6811791B2 JP 2019013876 A JP2019013876 A JP 2019013876A JP 2019013876 A JP2019013876 A JP 2019013876A JP 6811791 B2 JP6811791 B2 JP 6811791B2
- Authority
- JP
- Japan
- Prior art keywords
- telecommunications
- channel
- neural network
- frequency response
- convolutional neural
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/54—Systems for transmission via power distribution lines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/22—Arrangements for supervision, monitoring or testing
- H04M3/26—Arrangements for supervision, monitoring or testing with means for applying test signals or for measuring
- H04M3/28—Automatic routine testing ; Fault testing; Installation testing; Test methods, test equipment or test arrangements therefor
- H04M3/30—Automatic routine testing ; Fault testing; Installation testing; Test methods, test equipment or test arrangements therefor for subscriber's lines, for the local loop
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Description
− 畳み込み層の数、それぞれの畳み込み層のためのフィルタの数、および/または、それぞれの畳み込み層のためのフィルタのサイズのうちの少なくとも1つを選択することによって、テレコミュニケーションチャネルの障害タイプを、前記テレコミュニケーションチャネルのチャネル周波数応答に応じて決定するように構成された畳み込みニューラルネットワークを設計し、
− それぞれのテレコミュニケーションチャネルのために、チャネル周波数応答および関連付けられた障害タイプを指定するトレーニングデータに基づいて、前記畳み込みニューラルネットワークをトレーニングする
ように構成された手段を備える、
装置に関する。
− 畳み込み層の数、それぞれの畳み込み層のためのフィルタの数、および/または、それぞれの畳み込み層のためのフィルタのサイズのうちの少なくとも1つを選択することによって、テレコミュニケーションチャネルの障害タイプを、前記テレコミュニケーションチャネルのチャネル周波数応答に応じて決定するように構成された畳み込みニューラルネットワークを設計することと、
− それぞれのテレコミュニケーションチャネルのために、チャネル周波数応答および関連付けられた障害タイプを指定するトレーニングデータに基づいて、前記畳み込みニューラルネットワークをトレーニングすることとを
実行させるように構成される。
− それぞれのチャネル周波数応答の基本周波数を決定し、
− 決定された基本周波数に基づいて、少なくとも1つの基本周波数分布を決定し、
− 前記少なくとも1つの基本周波数分布に応じて前記畳み込み層の数を選択する
ように構成される。
− それぞれのチャネル周波数応答のラグを決定し、
− 決定された基本周波数に基づいて、少なくとも1つのラグ分布を決定し、
− 前記少なくとも1つのラグ分布に応じて前記フィルタサイズを選択する
ように構成される。
− チャネル周波数応答のYIN関数を決定し、
− 前記YIN関数に基づいて、前記基本周波数および/または前記ラグを決定する
ように構成される。
− 畳み込み層の数、それぞれの畳み込み層のためのフィルタの数、および/または、それぞれの畳み込み層のためのフィルタのサイズのうちの少なくとも1つを選択することによって、テレコミュニケーションチャネルの障害タイプを、前記テレコミュニケーションチャネルのチャネル周波数応答に応じて決定するように構成された畳み込みニューラルネットワークを設計することと、
− それぞれのテレコミュニケーションチャネルのために、チャネル周波数応答および関連付けられた障害タイプを指定するトレーニングデータに基づいて、前記畳み込みニューラルネットワークをトレーニングすることとを
備える方法にも関する。
サイズ(FC_map)=サイズ(入力)*M/P1*N/P2
=512*8/8*16/8
=1024
のサイズの特徴マップがあり、ここで、MおよびNはそれぞれ第1および第2の畳み込み層におけるフィルタの数であり、P1およびP2はそれぞれ層1および層2におけるプーリング比である。
1.反復挙動があるか否か、
2.ある場合、どれが、反復の/反復間の、基本周波数/ラグであるか
の追跡を可能にする。
− ラグ分布から、各カテゴリにおける基本パターンを検出することができるために要求される最小カーネルサイズを決定することができる。これは、例えば、各分布のパーセンタイル10におけるラグ値を推定し、例えば異なるクラス分布上の平均/メジアンまたは最小値をとることによって行われる。
− 値分布から、パーセンタイル50における値が少なくとも障害のクラスについて十分に低い(閾値を下回る)場合、少なくとも現在の障害タイプを検出するために、(組み合わせを実行するために)追加の畳み込み層を加える必要性がある。
− 検出された障害タイプの格納および/またはユーザインターフェース上での表示を制御すること、
− 例えば構成メッセージを送信することによって構成パラメータを変更するために、テレコミュニケーションチャネル4に関連付けられたアクセスノード2および/またはクライアント装置3を制御すること、
− アクセスノード2、クライアント装置3および/またはテレコミュニケーションチャネル4上でのフィールドメンテナンス介入の要求を送信すること、
− アラームを生成すること、
− 、、、
のうちの少なくとも1つを含み得る。
2 アクセスノード
3 クライアント装置
4 テレコミュニケーションチャネル
5 監視装置
6 プロセッサ
7 メモリ
10 畳み込みニューラルネットワーク
11、12 ベクトル
13 第1の畳み込み層
14、18 フィルタ
15 第1のプーリング層
16 特徴ベクトル
17 第2の畳み込み層
19 第2のプーリング層
21 全結合ニューラルネットワーク
22 入力層
23 隠れ層
24 出力層
25 出力ベクトル
Claims (11)
- 1つまたは複数のテレコミュニケーションチャネル(4)を備えるテレコミュニケーションネットワーク(1)を、監視するための装置(5)であって、
畳み込み層の数、それぞれの畳み込み層のためのフィルタの数、および/または、それぞれの畳み込み層のためのフィルタのサイズのうちの少なくとも1つを選択すること(S3)によって、テレコミュニケーションチャネル(4)の障害タイプを、前記テレコミュニケーションチャネル(4)のチャネル周波数応答に応じて決定するように構成された畳み込みニューラルネットワーク(10)を設計し(S1、S2、S3)、
それぞれのテレコミュニケーションチャネルのために、チャネル周波数応答および関連付けられた障害タイプを指定するトレーニングデータに基づいて、前記畳み込みニューラルネットワーク(10)をトレーニングする(S4)
ように構成された手段(6、7、P)を備える、
装置(5)。 - 畳み込みニューラルネットワーク(10)を設計することが、前記畳み込み層の数、前記フィルタの数、および/または、前記フィルタのサイズのうちの少なくとも1つを、複数のテレコミュニケーションチャネルのチャネル周波数応答の分析結果に応じて選択することを備える、請求項1に記載の装置。
- 前記手段が、
それぞれのチャネル周波数応答の基本周波数を決定し、
決定された基本周波数に基づいて、少なくとも1つの基本周波数分布を決定し、
前記少なくとも1つの基本周波数分布に応じて前記畳み込み層の数を選択する
ように構成された、請求項2に記載の装置。 - 前記手段が、
それぞれのチャネル周波数応答のラグを決定し、
決定された基本周波数に基づいて、少なくとも1つのラグ分布を決定し、
前記少なくとも1つのラグ分布に応じて前記フィルタサイズを選択する
ように構成された、請求項2または3に記載の装置。 - 前記手段が、
チャネル周波数応答のYIN関数を決定し、
前記YIN関数に基づいて、前記基本周波数および/または前記ラグを決定する
ように構成された、請求項3または4に記載の装置。 - 前記1つまたは複数のテレコミュニケーションチャネルがDSL回線を備え、前記チャネル周波数応答がHlogであり、前記畳み込みニューラルネットワークが、4と12との間から成るサイズの、8個と16個との間のフィルタ(14)を備える第1の畳み込み層(13)を備える、請求項1から5のいずれか一項に記載の装置。
- 前記畳み込みニューラルネットワークが少なくとも第2の畳み込み層(17)を備える、請求項6に記載の装置。
- 前記手段が、前記トレーニングされた畳み込みニューラルネットワークを用いて、テレコミュニケーションチャネルに関連付けられた障害タイプを、前記テレコミュニケーションチャネルのチャネル周波数応答に応じて決定する(T2)ように構成された、請求項1から7のいずれか一項に記載の装置。
- 前記手段が、検出された障害タイプに基づいて、前記テレコミュニケーションチャネルに関連付けられたアクセスノードおよび/またはクライアント装置の構成の変更を制御する(T3)ように構成された、請求項8に記載の装置。
- 1つまたは複数のテレコミュニケーションチャネル(4)を備えるテレコミュニケーションネットワーク(1)を、監視するための方法であって、
畳み込み層の数、それぞれの畳み込み層のためのフィルタの数、および/または、それぞれの畳み込み層のためのフィルタのサイズのうちの少なくとも1つを選択すること(S3)によって、テレコミュニケーションチャネル(4)の障害タイプを、前記テレコミュニケーションチャネル(4)のチャネル周波数応答に応じて決定するように構成された畳み込みニューラルネットワーク(10)を設計すること(S1、S2、S3)と、
それぞれのテレコミュニケーションチャネルのために、チャネル周波数応答および関連付けられた障害タイプを指定するトレーニングデータに基づいて、前記畳み込みニューラルネットワーク(10)をトレーニングすること(S4)とを
備える、方法。 - 命令がコンピュータによって実行されると請求項10に記載の方法を実行するための前記命令を備える、コンピュータプログラム(P)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18157119.1 | 2018-02-16 | ||
EP18157119.1A EP3528432B1 (en) | 2018-02-16 | 2018-02-16 | Method and apparatus for monitoring a telecommunication network |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019146162A JP2019146162A (ja) | 2019-08-29 |
JP6811791B2 true JP6811791B2 (ja) | 2021-01-13 |
Family
ID=61526532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019013876A Active JP6811791B2 (ja) | 2018-02-16 | 2019-01-30 | テレコミュニケーションネットワークを監視するための方法および装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11146344B2 (ja) |
EP (1) | EP3528432B1 (ja) |
JP (1) | JP6811791B2 (ja) |
CN (1) | CN110166148A (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3528432B1 (en) | 2018-02-16 | 2020-09-02 | Nokia Solutions and Networks Oy | Method and apparatus for monitoring a telecommunication network |
EP3691186A1 (en) | 2019-01-31 | 2020-08-05 | Nokia Solutions and Networks Oy | Method and apparatus for predicting the bitrate of a repaired communication channel |
US11140063B2 (en) * | 2019-02-25 | 2021-10-05 | Adtran, Inc. | Dynamic subscriber network physical impairment detection techniques |
EP3863269B1 (en) * | 2020-02-07 | 2023-05-10 | Nokia Solutions and Networks Oy | Method and apparatus for monitoring a communication line |
EP3893440A1 (en) * | 2020-04-10 | 2021-10-13 | Nokia Solutions and Networks Oy | System and related method to diagnose noise affecting impairments using deep learning |
EP4120575A1 (en) | 2021-07-16 | 2023-01-18 | Nokia Solutions and Networks Oy | A method and apparatus for determining the location of impairments on a line of a wired network |
EP4125245A1 (en) * | 2021-07-29 | 2023-02-01 | Nokia Solutions and Networks Oy | Apparatus and method for generating an estimate of a channel frequency response |
EP4310726A1 (en) * | 2022-07-20 | 2024-01-24 | Nokia Solutions and Networks Oy | Apparatus and method for channel impairment estimations using transformer-based machine learning model |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080032942A1 (en) * | 2000-08-30 | 2008-02-07 | Mcswiggen James | RNA interference mediated treatment of Alzheimer's disease using short interfering nucleic acid (siNA) |
US7376259B1 (en) | 2004-06-23 | 2008-05-20 | Advanced Micro Devices, Inc. | Topography compensation of imprint lithography patterning |
EP2712096B1 (en) * | 2012-09-25 | 2015-07-22 | Alcatel Lucent | Method and system for detecting a disturber in a PLC network |
EP2843875A1 (en) * | 2013-08-30 | 2015-03-04 | British Telecommunications public limited company | Determination and use of link performance measures |
GB2532075A (en) * | 2014-11-10 | 2016-05-11 | Lego As | System and method for toy recognition and detection based on convolutional neural networks |
CN108886374B (zh) * | 2016-01-18 | 2021-08-03 | 唯亚威通讯技术有限公司 | 用于检测蜂窝通信信号的失真或变形的方法和设备 |
JP6979028B2 (ja) * | 2016-03-22 | 2021-12-08 | エスアールアイ インターナショナルSRI International | 雑音の多い未知のチャネル条件における音声認識のためのシステムおよび方法 |
US10691923B2 (en) * | 2016-09-30 | 2020-06-23 | Intel Corporation | Face anti-spoofing using spatial and temporal convolutional neural network analysis |
CN106682592B (zh) * | 2016-12-08 | 2023-10-27 | 北京泛化智能科技有限公司 | 一种基于神经网络方法的图像自动识别系统及方法 |
CN106658590B (zh) | 2016-12-28 | 2023-08-01 | 南京航空航天大学 | 基于WiFi信道状态信息多人室内环境状态监控系统的设计与实现 |
US10051423B1 (en) * | 2017-06-02 | 2018-08-14 | Apple Inc. | Time of flight estimation using a convolutional neural network |
KR102310001B1 (ko) * | 2017-06-19 | 2021-10-08 | 버지니아 테크 인터렉추얼 프라퍼티스, 인크. | 다중 안테나 송수신기를 이용한 무선 송신을 위한 정보의 인코딩 및 디코딩 |
WO2019009449A1 (ko) * | 2017-07-06 | 2019-01-10 | 삼성전자 주식회사 | 영상을 부호화/복호화 하는 방법 및 그 장치 |
US10109168B1 (en) * | 2017-11-16 | 2018-10-23 | Cognitive Systems Corp. | Motion localization based on channel response characteristics |
EP3528432B1 (en) | 2018-02-16 | 2020-09-02 | Nokia Solutions and Networks Oy | Method and apparatus for monitoring a telecommunication network |
-
2018
- 2018-02-16 EP EP18157119.1A patent/EP3528432B1/en active Active
-
2019
- 2019-01-28 US US16/259,069 patent/US11146344B2/en active Active
- 2019-01-30 JP JP2019013876A patent/JP6811791B2/ja active Active
- 2019-02-15 CN CN201910115771.8A patent/CN110166148A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP3528432B1 (en) | 2020-09-02 |
US20190260483A1 (en) | 2019-08-22 |
JP2019146162A (ja) | 2019-08-29 |
EP3528432A1 (en) | 2019-08-21 |
CN110166148A (zh) | 2019-08-23 |
US11146344B2 (en) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6811791B2 (ja) | テレコミュニケーションネットワークを監視するための方法および装置 | |
US20210089927A9 (en) | Unsupervised outlier detection in time-series data | |
Alarcon-Aquino et al. | Anomaly detection in communication networks using wavelets | |
CN110839016A (zh) | 异常流量监测方法、装置、设备及存储介质 | |
CN114531729B (zh) | 基于信道状态信息的定位方法、系统、存储介质及设备 | |
CN112565187B (zh) | 基于逻辑回归的电网攻击检测方法、系统、设备及介质 | |
CN115147255A (zh) | 基于图神经网络的电信诈骗检测方法、系统和存储介质 | |
Shukla et al. | Power quality disturbances classification based on Gramian angular summation field method and convolutional neural networks | |
CN111510400B (zh) | 用于预测修复的通信信道的比特率的方法和装置 | |
CN104365025A (zh) | 用于检测电信线路内的桥接抽头的方法和设备 | |
EP3331198A1 (en) | Method and device for monitoring a dsl network | |
Hazza et al. | Robustness of digitally modulated signal features against variation in HF noise model | |
KR102407834B1 (ko) | 긴 펄스 레이더 신호의 속성 기반 분류 방법 및 장치 | |
CN110516566B (zh) | 一种基于卷积层的滤波方法及装置 | |
Cao et al. | DeepFaultNet: Predicting fault severity of communication cable with Hybrid-ResCNN | |
CN110932800B (zh) | 一种宽频带多用户场景的联合检测方法及装置 | |
US10938981B2 (en) | Method and apparatus for determining a bridged tap length | |
Lima et al. | A wavelet‐based expert system for digital subscriber line topology identification | |
US11909908B2 (en) | Method and apparatus for monitoring a communication line | |
EP2383898B1 (en) | Method and device for clustering lines of a wireline network in a number of virtual binders | |
Bansal et al. | High impedance fault detection using LVQ neural networks | |
Mishra et al. | Exponential functional link artificial neural networks for denoising of image corrupted by gaussian noise | |
Wei et al. | Fault detection method of flexible DC distribution network based on color relation analysis classifier | |
CN110135021B (zh) | 基于多源信号和rbf神经网络的atru系统故障分级诊断方法 | |
Morozov et al. | Neural network detection of MSK signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190130 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200317 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200612 |
|
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: 20201201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6811791 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |