JP6930602B2 - 異常判定装置、異常判定方法、及びプログラム - Google Patents
異常判定装置、異常判定方法、及びプログラム Download PDFInfo
- Publication number
- JP6930602B2 JP6930602B2 JP2019557986A JP2019557986A JP6930602B2 JP 6930602 B2 JP6930602 B2 JP 6930602B2 JP 2019557986 A JP2019557986 A JP 2019557986A JP 2019557986 A JP2019557986 A JP 2019557986A JP 6930602 B2 JP6930602 B2 JP 6930602B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- function
- conversion
- distribution
- degree
- 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
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- 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
- G06F11/0751—Error or fault detection not based on redundancy
- G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
-
- 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
- G06F11/0751—Error or fault detection not based on redundancy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Debugging And Monitoring (AREA)
Description
実施形態の説明に先立って、本発明にかかる実施形態の概要を説明する。図1は、実施形態の概要にかかる異常判定装置1の構成の一例を示すブロック図である。図1に示すように、異常判定装置1は、変換部2と、異常判定部3とを備える。異常判定装置1は、例えば、任意の所定の処理を行う装置又はシステム(以下、判定対象機器と称す)による所定の処理が、正常状態であるか異常(故障)状態であるかを判定するための装置である。
以下、本発明の実施形態について説明する。図2は、実施形態1にかかる異常判定装置101の構成の一例を示すブロック図である。図2に示すように、異常判定装置101は、関数記憶部102と変換部103と異常判定部104とを有する。なお、変換部103は図1の変換部2に相当し、異常判定部104は図1の異常判定部3に相当する。
また、異常判定部104は、変換部103による変換結果と閾値とを用いて、異常の有無を判定する。
まず、変換部103は、異常度のサンプルを取得する(ステップ101(S101))。変換部103は、例えば、異常判定装置101が他の装置等から受信した異常度のサンプルを取得してもよいし、異常判定装置101の記憶装置に記憶された異常度のサンプルを取得してもよい。なお、変換部103によって取得される前に、異常度は、信号値に基づいて算出されている。異常度の算出は、異常判定装置101により行われてもよいし、他の装置により行われてもよい。異常判定装置101により異常度の算出が行われる場合、例えば、異常判定装置101は、判定対象機器の出力した信号から所定の異常度を算出する異常度算出部を有してもよい。
異常度x1が異常時に増加する値であり、変換関数fが単調減少関数である場合(すなわち、図4の表の(2)の場合)、異常判定部104は、確率変数y1が閾値aに比して小さいときに異常と判定する。
異常度x1が異常時に減少する値であり、変換関数fが単調増加関数である場合(すなわち、図4の表の(3)の場合)、異常判定部104は、確率変数y1が閾値aに比して小さいときに異常と判定する。
異常度x1が異常時に減少する値であり、変換関数fが単調減少関数である場合(すなわち、図4の表の(4)の場合)、異常判定部104は、確率変数y1が閾値aに比して大きいときに異常と判定する。
異常度x1が異常時に増加する値であり、変換関数fが単調減少関数である場合(すなわち、図4の表の(2)の場合)、異常判定部104は、異常度x1が変換された閾値f−1(a)に比して小さいときに異常と判定する。
異常度x1が異常時に減少する値であり、変換関数fが単調増加関数である場合(すなわち、図4の表の(3)の場合)、異常判定部104は、異常度x1が変換された閾値f−1(a)に比して小さいときに異常と判定する。
異常度x1が異常時に減少する値であり、変換関数fが単調減少関数である場合(すなわち、図4の表の(4)の場合)、異常判定部104は、異常度x1が変換された閾値f−1(a)に比して大きいときに異常と判定する。
この理由は、第一に、サンプルに変換関数を適用して得られる確率変数が所定の確率分布(すなわち、特定確率分布)に従うため、確率変数の値域が予め判明しているため、容易に閾値を設定することができるからである。
また、第二に、複数の異なる種類の信号についてのサンプルが得られた場合でも、信号に異常が含まれる確率が同じであるならば、1つの閾値を用いてそれぞれのサンプルに異常が生じているかを判定することができるからである。これは、それぞれのサンプルに変換関数を適用した確率変数が所定の同一の確率分布(すなわち、特定確率分布)に従うことに起因する。
また、第三に、信号の分布が変化することで異常度の値が変化してしまう場合においても、信号の分布が変化する前後で同一の特定確率分布を用いることで、信号の分布が変化する前後で同一の閾値を用いることができるからである。つまり、信号の分布が変化するたびに閾値を設定しなおす必要が無いからである。
次に、実施形態2について説明する。実施形態1では、異常度を閾値と比較することによって判定対象機器の処理が異常であるか否かを判定した。すなわち、実施形態1では、異常度の変化として顕現化する異常を検出できる。これに対し、実施形態2では、取得された異常度の分布が、判定対象機器の処理が正常である場合の異常度の分布と異なるか否かによって判定を行う。これにより、異常度の分布の変化として顕現化する異常を検出できる。以降の説明においては、本実施形態にかかる特徴的な部分を中心に説明し、上述した実施形態1と同様な構成及び処理については、同一の符号を付すことにより、重複する説明を省略する。
また、異常判定部204は、変換部203による変換により得られた複数の確率変数値が所定の確率分布(特定確率分布)に適合しているか否かを判定することで、前記複数のサンプルに異常が生じているか否かを判定する。ここで、異常判定部204は、統計検定(より詳細には、統計的仮説検証)を用いることにより、変換部203による変換により得られた複数の確率変数値が特定確率分布に適合しているか否かを判定する。つまり、異常判定部104は、所定の閾値により、異常の有無を判定したが、異常判定部204は、異常度の複数のサンプルに変換関数を適用して得られた分布と、特定確率分布とが一致していることを統計検定により判定することにより異常の有無を判定する。
まず、変換部203は、異常度の複数のサンプルx1、・・・、xNを取得する(ステップ201(S201))。なお、実施形態1と同様、変換部203は、例えば、異常判定装置201が他の装置等から受信した異常度のサンプルを取得してもよいし、異常判定装置201の記憶装置に記憶された異常度のサンプルを取得してもよい。また、変換部203によって取得される前に、異常度は、信号値に基づいて算出されている。異常度の算出は、異常判定装置201により行われてもよいし、他の装置により行われてもよい。異常判定装置201により異常度の算出が行われる場合、例えば、異常判定装置201は、判定対象機器の出力した信号から所定の異常度を算出する異常度算出部を有してもよい。
次に、異常判定部204は、ステップ202で算出された複数の確率変数が特定確率分布に適合しているか否かを任意の予め定められた統計的仮説検証に基づき判定する。これにより、異常判定部204は、ステップ201で取得された複数のサンプルに異常が生じているか否かを判定する(ステップ203(S203))。
複数のサンプルをxn(n=1,・・・,N)とし、xnに変換関数を適用して得られた確率変数をyn=f(xn)とする。このとき、ynの累積確率PN(y)は、以下の式(3)によって表される。ここで、記号|A|は、集合Aの要素数を表す。
また、異常判定装置201によれば、より高い精度で異常判定を行うことができる。この理由は、図9を参照して前述したように、様々な時間スケールで発生する異常を精度よく判定することができるからである。
次に、実施形態3について説明する。以降の説明においては、本実施形態にかかる特徴的な部分を中心に説明すると共に、上述した実施形態1と同様な構成については、同一の符号を付すことにより、重複する説明を省略する。
まず、異常判定装置301の関数生成部302は、異常度のサンプルを複数取得する(ステップ301(S301))。ここでは、実施形態2で判定されるような異常度の分布が変化するような定常的な異常が判定対象機器の処理に発生している時に得られるサンプルではなく、判定対象機器の処理が所定の確率で異常となる判定対象機器の動作時に得られるサンプルを取得する。なお、実施形態1と同様、関数生成部302は、例えば、異常判定装置301が他の装置等から受信した異常度のサンプルを取得してもよいし、異常判定装置301の記憶装置に記憶された異常度のサンプルを取得してもよい。また、関数生成部302によって取得される前に、異常度は、信号値に基づいて算出されている。異常度の算出は、異常判定装置301により行われてもよいし、他の装置により行われてもよい。異常判定装置301により異常度の算出が行われる場合、例えば、異常判定装置301は、判定対象機器の出力した信号から所定の異常度を算出する異常度算出部を有してもよい。
そして、関数生成部302は、生成したパラメータを関数記憶部102に保存する(ステップ303(S303))。
なお、上述した例では、関数生成部302は、異常度の値xi(1),・・・,xi(N) を、順序を保持したまま、関数のパラメータとして関数記憶部102に記憶するが、このとき、関数生成部302は、関数記憶部102に順序を保持する任意のデータ構造(たとえば、ソート済み配列、探索木、スキップリスト、等)を構成することで、異常度の値xi(1),・・・,xi(N) を、順序を保持したまま、関数記憶部102に記憶してもよい。また、関数生成部302が、上記のデータ構造として、関数記憶部102に探索木やスキップリストを構築する場合、変換部303は、二分探索の代わりに、上述のそれぞれのデータ構造に対応した検索アルゴリズム(探索木の検索アルゴリズム、スキップリストの検索アルゴリズム等)を用いることで関数f1(x)の値を計算してもよい。
次に、実施形態4について説明する。以降の説明においては、本実施形態にかかる特徴的な部分を中心に説明すると共に、上述した実施形態1と同様な構成については、同一の符号を付すことにより、重複する説明を省略する。
まず、関数生成部402は、信号のサンプルを複数取得する(ステップ401(S401))。ここでは、実施形態2で判定されるような異常度の分布が変化するような定常的な異常が判定対象機器の処理に発生している時に得られるサンプルではなく、判定対象機器の処理が所定の確率で異常となる判定対象機器の動作時に得られるサンプルを取得する。なお、関数生成部402は、例えば、異常判定装置401が他の装置等から受信した信号のサンプルを取得してもよいし、異常判定装置401の記憶装置に記憶された信号のサンプルを取得してもよい。
次に、関数生成部402は、ステップ402で推定された信号の分布に対応する変換関数を表すパラメータを計算する(ステップ403(S403))。
次に、関数生成部402は、ステップ403で取得された変換関数を表すパラメータを関数記憶部102に記憶する(ステップ404(S404))。
また、変換部403は、記憶されたパラメータσ2及び式(16)を用いて異常度の変換(もしくは、閾値の逆変換)を行う。つまり、変換部403は、予め定められた数式である式(16)と、関数生成部402により値が特定されたパラメータσ2により規定される変換関数を用いて、異常度の変換(もしくは、閾値の逆変換)を行う。なお、変換部403による変換を行うにあたり、式(16)も例えば関数記憶部102に予め記憶されている。このように、本実施の形態では、変換部403は、予め定められた数式と、関数生成部402により値が特定されたパラメータにより規定される変換関数を用いて、変換を行う。
また、変換部403は、記憶されたパラメータΣ及び式(20)を用いて異常度の変換(もしくは、閾値の逆変換)を行う。
EMアルゴリズムでは、前回の反復におけるパラメータθoldから、新しいパラメータθnewを以下の3つの式(23)により求める。
関数生成部402は、式(23)および式(24)によって前回の混合分布のパラメータの組θoldから新しい混合分布のパラメータθnewを計算してパラメータを更新する。関数生成部402は、これらのパラメータが収束するまで順次更新を繰り返す。関数生成部402は、以上説明したEMアルゴリズムによって混合分布のパラメータθを推定することにより、信号の分布を推定する。
すなわち、各モードkの尤度関数pk(x1|θk)について、式(12)と同様の形の以下の式(31)に示す積分が容易に計算可能であるとき、変換関数の近似値f〜 mix(x1)は次の式(32)によって計算される。
変換部403は、関数記憶部102に記憶されたパラメータθm,πmを用いることで、式(28)および式(30)によって異常度xを変換(もしくは閾値を逆変換)する。
信号の異常度を所定の確率分布に従う確率変数値に変換する変換関数を用いた変換処理を行う変換部と、
前記変換部による変換結果を用いて、前記異常度のサンプルの異常の有無を判定する異常判定部と
を備え、
前記変換関数が単調関数である
異常判定装置。
(付記2)
前記異常判定部は、所定の閾値により、異常の有無を判定する
付記1に記載の異常判定装置。
(付記3)
前記異常判定部は、前記サンプルに前記変換関数を適用して得られた前記変換結果と前記閾値とを比較することにより異常の有無を判定する
付記2に記載の異常判定装置。
(付記4)
前記異常判定部は、前記閾値に前記変換関数の逆関数を適用して得られた前記変換結果と、前記サンプルとを比較することにより異常の有無を判定する
付記2に記載の異常判定装置。
(付記5)
前記確率分布は一様分布であり、
前記閾値は前記信号に異常が含まれている、もしくは異常が含まれていない確率である
付記2乃至4のいずれかに一項に記載の異常判定装置。
(付記6)
前記異常判定部は、前記異常度の複数のサンプルに前記変換関数を適用して得られた分布と、前記確率分布とが一致していることを統計検定により判定することにより異常の有無を判定する
付記1に記載の異常判定装置。
(付記7)
前記統計検定は、コルモゴロフ・スミルノフ検定である
付記6に記載の異常判定装置。
(付記8)
前記変換関数を表すパラメータを生成する関数生成部をさらに有する
付記1乃至7のいずれか一項に記載の異常判定装置。
(付記9)
前記関数生成部は、前記異常度の複数のサンプルを降順または昇順に並べたときの順序関係を前記パラメータとして生成し、
前記変換部は、変換対象の前記異常度の順位を前記順序関係から算出することにより、前記確率変数値を計算する
付記8に記載の異常判定装置。
(付記10)
前記変換部は、離散的な前記順位を連続的な前記順位に修正することにより、前記確率変数値を計算する
付記9に記載の異常判定装置。
(付記11)
前記変換部は、前記順位に所定の累積分布関数の逆関数を適用することにより、前記確率変数値を計算する
付記9又は10に記載の異常判定装置。
(付記12)
前記異常度は、前記信号の分布の尤度関数である
付記1乃至11のいずれか一項に記載の異常判定装置。
(付記13)
前記異常度は、前記信号の分布の尤度関数であり、
前記関数生成部は、前記信号の分布を推定し、推定された前記信号の分布のパラメータを用いて前記変換関数を特定することにより前記変換関数を生成する
付記8に記載の異常判定装置。
(付記14)
前記関数生成部は、最尤推定もしくはEMアルゴリズムにより前記信号の分布を推定する
付記13に記載の異常判定装置。
(付記15)
前記関数生成部は、
推定した前記信号の分布から、乱数を用いて複数の信号のサンプルを作成し、
前記複数の信号のサンプルそれぞれの前記異常度を計算し、
計算した複数の前記異常度を降順または昇順に並べたときの順序関係を前記パラメータとして生成し、
前記変換部は、変換対象の前記異常度の順位を前記順序関係から算出することにより、前記確率変数値を計算する
付記13又は14に記載の異常判定装置。
(付記16)
前記信号の分布は混合分布であり、
前記関数生成部は、推定された前記信号の分布のパラメータを用いて、近似関数である前記変換関数を特定することにより前記変換関数を生成する
付記13又は14に記載の異常判定装置。
(付記17)
信号の異常度を所定の確率分布に従う確率変数値に変換する変換関数を用いた変換処理を行い、
前記変換処理による変換結果を用いて、前記異常度のサンプルの異常の有無を判定し、
前記変換関数が単調関数である
異常判定方法。
(付記18)
信号の異常度を所定の確率分布に従う確率変数値に変換する変換関数を用いた変換処理を行う変換ステップと、
前記変換ステップによる変換結果を用いて、前記異常度のサンプルの異常の有無を判定する異常判定ステップと
をコンピュータに実行させ、
前記変換関数が単調関数である
プログラム。
2 変換部
3 異常判定部
20 計算処理装置
21 メモリ
22 プロセッサ
23 入力装置
24 出力装置
25 通信インタフェース
101 異常判定装置
102 関数記憶部
103 変換部
104 異常判定部
201 異常判定装置
203 変換部
204 異常判定部
301 異常判定装置
302 関数生成部
303 変換部
401 異常判定装置
402 関数生成部
403 変換部
Claims (6)
- 信号の異常度を所定の確率分布に従う確率変数値に変換する変換関数を用いた変換処理を行う変換手段と、
前記変換手段による変換結果を用いて、前記異常度のサンプルの異常の有無を判定する異常判定手段と
を備え、
前記変換関数が単調関数であり、
前記異常判定手段は、所定の閾値に前記変換関数の逆関数を適用して得られた前記変換結果と、前記サンプルとを比較することにより異常の有無を判定する
異常判定装置。 - 前記確率分布は一様分布であり、
前記閾値は前記信号に異常が含まれている、もしくは異常が含まれていない確率である
請求項1に記載の異常判定装置。 - 前記変換関数を表すパラメータを生成する関数生成手段をさらに有する
請求項1又は2に記載の異常判定装置。 - 前記関数生成手段は、前記異常度の複数のサンプルを降順または昇順に並べたときの順序関係を前記パラメータとして生成し、
前記変換手段は、変換対象の前記異常度の順位を前記順序関係から算出することにより、前記確率変数値を計算する
請求項3に記載の異常判定装置。 - 信号の異常度を所定の確率分布に従う確率変数値に変換する変換関数を用いた変換処理を行い、
前記変換処理による変換結果を用いて、前記異常度のサンプルの異常の有無を判定し、
前記変換関数が単調関数であり、
前記異常の有無の判定では、所定の閾値に前記変換関数の逆関数を適用して得られた前記変換結果と、前記サンプルとを比較することにより異常の有無を判定する
異常判定方法。 - 信号の異常度を所定の確率分布に従う確率変数値に変換する変換関数を用いた変換処理を行う変換ステップと、
前記変換ステップによる変換結果を用いて、前記異常度のサンプルの異常の有無を判定する異常判定ステップと
をコンピュータに実行させ、
前記変換関数が単調関数であり、
前記異常判定ステップでは、所定の閾値に前記変換関数の逆関数を適用して得られた前記変換結果と、前記サンプルとを比較することにより異常の有無を判定する
プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017233083 | 2017-12-05 | ||
JP2017233083 | 2017-12-05 | ||
PCT/JP2018/024558 WO2019111435A1 (ja) | 2017-12-05 | 2018-06-28 | 異常判定装置、異常判定方法、及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019111435A1 JPWO2019111435A1 (ja) | 2020-11-19 |
JP6930602B2 true JP6930602B2 (ja) | 2021-09-01 |
Family
ID=66750880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019557986A Active JP6930602B2 (ja) | 2017-12-05 | 2018-06-28 | 異常判定装置、異常判定方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11409591B2 (ja) |
JP (1) | JP6930602B2 (ja) |
WO (1) | WO2019111435A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102388458B1 (ko) * | 2019-10-31 | 2022-04-21 | 울산과학기술원 | 데이터 키 값 변환 방법 및 장치 |
JP7401499B2 (ja) * | 2021-10-01 | 2023-12-19 | 株式会社安川電機 | 異常判定システム、異常判定装置、異常判定方法 |
CN114666123A (zh) * | 2022-03-21 | 2022-06-24 | 阿里云计算有限公司 | 异常对象识别方法及装置 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5919267A (en) * | 1997-04-09 | 1999-07-06 | Mcdonnell Douglas Corporation | Neural network fault diagnostics systems and related method |
US8656226B1 (en) * | 2011-01-31 | 2014-02-18 | Open Invention Network, Llc | System and method for statistical application-agnostic fault detection |
JP5198087B2 (ja) | 2008-02-21 | 2013-05-15 | 富士フイルム株式会社 | 製造設備の診断装置及び方法 |
JP2011164950A (ja) | 2010-02-10 | 2011-08-25 | Nec Corp | 異常検出装置、異常検出システム、異常検出方法、及び、プログラム |
WO2013128428A2 (en) | 2012-03-02 | 2013-09-06 | Universidade De Aveiro | Method and system for the detection of anomalous sequences in a digital signal |
US9628499B1 (en) * | 2012-08-08 | 2017-04-18 | Google Inc. | Statistics-based anomaly detection |
WO2015001544A2 (en) * | 2013-07-01 | 2015-01-08 | Agent Video Intelligence Ltd. | System and method for abnormality detection |
JP6361175B2 (ja) | 2014-03-06 | 2018-07-25 | 株式会社豊田中央研究所 | 異常診断装置及びプログラム |
US9904584B2 (en) * | 2014-11-26 | 2018-02-27 | Microsoft Technology Licensing, Llc | Performance anomaly diagnosis |
WO2016093836A1 (en) * | 2014-12-11 | 2016-06-16 | Hewlett Packard Enterprise Development Lp | Interactive detection of system anomalies |
US10198447B2 (en) * | 2015-09-14 | 2019-02-05 | Komprise Inc. | Electronic file migration system and various methods of transparent data migration management |
JP6658250B2 (ja) * | 2016-04-20 | 2020-03-04 | 株式会社Ihi | 異常診断方法、異常診断装置、及び異常診断プログラム |
US10218729B2 (en) * | 2016-07-08 | 2019-02-26 | Cisco Technology, Inc. | Specializing unsupervised anomaly detection systems using genetic programming |
US10289473B2 (en) * | 2017-03-23 | 2019-05-14 | Netscout Systems, Inc. | Situation analysis |
US10409667B2 (en) * | 2017-06-15 | 2019-09-10 | Salesforce.Com, Inc. | Error assignment for computer programs |
US10467087B2 (en) * | 2017-10-04 | 2019-11-05 | Airmagnet, Inc. | Plato anomaly detection |
-
2018
- 2018-06-28 US US16/769,752 patent/US11409591B2/en active Active
- 2018-06-28 JP JP2019557986A patent/JP6930602B2/ja active Active
- 2018-06-28 WO PCT/JP2018/024558 patent/WO2019111435A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JPWO2019111435A1 (ja) | 2020-11-19 |
US11409591B2 (en) | 2022-08-09 |
US20200387418A1 (en) | 2020-12-10 |
WO2019111435A1 (ja) | 2019-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190392252A1 (en) | Systems and methods for selecting a forecast model for analyzing time series data | |
CN110852421B (zh) | 模型生成方法和装置 | |
Cho et al. | Multiple-change-point detection for high dimensional time series via sparsified binary segmentation | |
JP6930602B2 (ja) | 異常判定装置、異常判定方法、及びプログラム | |
US10067746B1 (en) | Approximate random number generator by empirical cumulative distribution function | |
Yin et al. | Optimal linear combinations of multiple diagnostic biomarkers based on Youden index | |
CN113609210B (zh) | 基于人工智能的大数据可视化处理方法及可视化服务系统 | |
US10628433B2 (en) | Low memory sampling-based estimation of distinct elements and deduplication | |
JP2012243256A (ja) | 情報処理装置、情報処理方法、並びにプログラム | |
US20200125900A1 (en) | Selecting an algorithm for analyzing a data set based on the distribution of the data set | |
US20190095423A1 (en) | Text recognition method and apparatus, and storage medium | |
US10248462B2 (en) | Management server which constructs a request load model for an object system, load estimation method thereof and storage medium for storing program | |
CN111104644A (zh) | 可靠性评估方法、装置、计算机设备和存储介质 | |
US20170371936A1 (en) | Sample size estimator | |
CN113051183A (zh) | 一种测试数据的推荐方法、系统、电子设备及存储介质 | |
CN115905926A (zh) | 基于样本差异的代码分类深度学习模型解释方法及系统 | |
CN113360300A (zh) | 接口调用链路生成方法、装置、设备及可读存储介质 | |
Hegedűs et al. | Towards building method level maintainability models based on expert evaluations | |
KR20170061911A (ko) | 통합 회귀 분석 네트워크 구축 방법 및 이에 의한 통합 분석 시스템 | |
Ratnasingam et al. | Modified information criterion for regular change point models based on confidence distribution | |
JP6642431B2 (ja) | 流量予測装置、混合比推定装置、方法およびコンピュータ読み取り可能記録媒体 | |
US20200348879A1 (en) | Method, device, and computer program product for storage management | |
CN112783747A (zh) | 一种应用程序的执行时间预测方法及装置 | |
CN109344049B (zh) | 测试数据处理系统的方法和装置 | |
WO2023139640A1 (ja) | 情報処理装置および情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200522 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200522 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210628 |
|
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: 20210713 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6930602 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |