JP6954346B2 - パラメータ推定装置、パラメータ推定方法、及びプログラム - Google Patents
パラメータ推定装置、パラメータ推定方法、及びプログラム Download PDFInfo
- Publication number
- JP6954346B2 JP6954346B2 JP2019515007A JP2019515007A JP6954346B2 JP 6954346 B2 JP6954346 B2 JP 6954346B2 JP 2019515007 A JP2019515007 A JP 2019515007A JP 2019515007 A JP2019515007 A JP 2019515007A JP 6954346 B2 JP6954346 B2 JP 6954346B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- data points
- estimation
- calculated
- threshold
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/60—Methods or arrangements for performing computations using a digital non-denominational number representation, i.e. number representation without radix; Computing devices using combinations of denominational and non-denominational quantity representations, e.g. using difunction pulse trains, STEELE computers, phase computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/76—Arrangements for rearranging, permuting or selecting data according to predetermined rules, independently of the content of the data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Complex Calculations (AREA)
- Image Analysis (AREA)
Description
複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するための装置であって、
前記複数のデータ点を入力として、前記パラメータを推定する、パラメータ推定部と、
前記複数のデータ点それぞれの残差の統計情報に基づいて、前記閾値を計算する、閾値決定部と、
推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定し、収束していないと判定する場合は、前記パラメータ推定部、及び前記閾値決定部それぞれに、再度処理を実行させる、収束判定部と、
を備えている、ことを特徴とする。
複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するための方法であって、
(a)前記複数のデータ点を入力として、前記パラメータを推定する、ステップと、
(b)前記複数のデータ点それぞれの残差の統計情報に基づいて、前記閾値を計算する、ステップと、
(c)推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定する、ステップと、を有し、
前記(c)のステップで、収束していないと判定する場合は、前記(a)のステップ、及び前記(b)のステップそれぞれが再度実行される、
ことを特徴とする。
コンピュータによって、複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するためのプログラムであって、
前記コンピュータに、
(a)前記複数のデータ点を入力として、前記パラメータを推定する、ステップと、
(b)前記複数のデータ点それぞれの残差の統計情報に基づいて、前記閾値を計算する、ステップと、
(c)推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定する、ステップと、
を実行させ、
前記(c)のステップで、収束していないと判定する場合は、前記(a)のステップ、及び前記(b)のステップそれぞれを再度実行する、
ことを特徴とする。
以下、本発明の実施の形態における、パラメータ推定装置、パラメータ推定方法、プログラムについて、図1〜図5を参照しながら説明する。
最初に、図1を用いて、本実施の形態におけるパラメータ推定装置10の構成について説明する。図1は、本発明の実施の形態のけるパラメータ推定装置の概略構成を示すブロック図である。
次に、本実施の形態におけるパラメータ推定装置10の動作について図3を用いて説明する。図3は、本発明の実施の形態におけるパラメータ推定装置の動作を示すフロー図である。以下の説明においては、適宜図1及び図2を参酌する。また、本実施の形態では、パラメータ推定装置10を動作させることによって、パラメータ推定方法が実施される。よって、本実施の形態におけるパラメータ推定方法の説明は、以下のパラメータ推定装置10の動作説明に代える。
続いて、パラメータ推定装置10における処理の具体例について以下に説明する。なお、以下の具体例においては、推定するパラメータをベクトルθ、i番目のデータ点をベクトルx、パラメータθに対するi番目のデータ点の残差を計算する関数をf(xi;θ)とする。また、i番目のデータ点の重みをwi、閾値をλとし、データ点は全部でN点あるとする。なお、重みは各データ点の間で相対的なものであるため、本具体例では、0から1の間の実数(0≦ wi ≦1)とする。
以上のように、本実施の形態によれば、IRLSにおける閾値を自動的に且つ適切に決定でき、アウトライアとインライアとを高精度に分離できる。また、この結果、インライアに適合するパラメータを高精度に推定可能である。
ここで、本実施の形態における変形例1〜4について説明する。本発明は、上述した実施の形態のみに限定されることはない。本発明は、上述した実施の形態に対して、いわゆる当業者が理解し得る多様な変更を適用することが可能である。例えば、本発明は、以下の変形例に示す形態によっても実施可能である。
どのpenalty functionを用いるかは、上述した実施の形態に限定されない。例えば、非特許文献4にはpenalty functionの様々な具体例が詳しく記載されている。また、非特許文献4にはIRLSとM推定との間の変換方法が記載されているため、非特許文献3に記載されている様々なM推定の関数が利用できる。
閾値決定方法は、上述した実施の形態に限定されない。例えば、前回の反復(ステップS1〜S4の実施)で得られた閾値を保存しておき、この閾値と今回得られた閾値との差分が一定値以下となるようにして、急激な減衰が抑制されても良い。また、例えば、従来の減衰定数を用いる方法も同時に計算しておき、より小さな値又はより大きな値が、新たな閾値として用いられても良い。また、例えば、インライアの残差分布がコーシー分布である場合、期待値と標準偏差とは存在しないため、代わりに最頻値と半値半幅とを与えるスケール定数が用いられても良い。
収束判定方法は、上述した実施の形態に限定されない。例えば、収束の判定基準として、反復の前後における上記数1で表される目的関数の差分が用いられても良いし、データ点の重みwiの差分が用いられても良い。このとき、収束判定部15は、上記数1で表される目的関数または重みwiを入力として受け付ける。
パラメータ推定装置10に入力されるデータは、上述の実施の形態に示された例に限定されない。例えば、パラメータの初期値の代わりに、重みの初期値が入力されても良い。この場合、パラメータ推定装置10においては、パラメータ推定部13が最初に処理を実行することになり、次いで残差計算部11、重み更新部12、閾値決定部14、収束判定部15の順で処理が実行される。なお、各部による処理の実行順序は、適宜変更可能である。
本実施の形態におけるプログラムは、コンピュータに、図3に示すステップS1〜S6を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態におけるパラメータ装置とパラメータ推定方法とを実現することができる。この場合、コンピュータのCPU(Central Processing Unit)は、残差計算部11、重み更新部12、パラメータ推定部13、閾値決定部14、及び収束判定部15として機能し、処理を行なう。
複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するための装置であって、
前記複数のデータ点を入力として、前記パラメータを推定する、パラメータ推定部と、
前記複数のデータ点それぞれの残差の統計情報に基づいて、前記閾値を計算する、閾値決定部と、
推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定し、収束していないと判定する場合は、前記パラメータ推定部、及び前記閾値決定部それぞれに、再度処理を実行させる、収束判定部と、
を備えている、ことを特徴とするパラメータ推定装置。
前記複数のデータ点と前記パラメータの初期値とを取得し、取得した前記初期値に対する前記複数のデータ点それぞれの残差を計算する、残差計算部と、
計算された前記残差に基づいて、前記複数のデータ点それぞれに設定されている重みを更新する、重み更新部と、を更に備え、
前記パラメータ推定部は、前記複数のデータ点に加えて、更新された前記複数のデータ点それぞれの重みも入力として、前記パラメータを推定し、
前記閾値決定部は、計算された前記残差のうち前記インライアの残差を特定し、特定した前記インライアの残差の前記統計情報に基づいて、前記閾値を計算し、
前記収束判定部は、
収束していると判定する場合は、推定された前記パラメータを、前記インライアに適合するパラメータとして出力し、
収束していないと判定する場合は、推定された前記パラメータを前記初期値として、前記残差計算部、前記重み更新部、前記パラメータ推定部、及び前記閾値決定部それぞれに、再度処理を実行させる、
付記1に記載のパラメータ推定装置。
前記パラメータ推定部が、反復再重み付け最小二乗法、又はM推定を実行して、前記パラメータを推定する、
付記2に記載のパラメータ推定装置。
前記閾値決定部は、前記インライアの残差の事前確率分布から前記統計情報を求め、求めた前記統計情報に基づいて、前記閾値を計算する、
付記2または3に記載のパラメータ推定装置。
前記事前確率分布は、混合正規分布で表され、
前記閾値決定部は、前記統計情報として、前記インライアの残差の平均値と標準偏差とを求める、
付記4に記載のパラメータ推定装置。
複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するための方法であって、
(a)前記複数のデータ点を入力として、前記パラメータを推定する、ステップと、
(b)前記複数のデータ点それぞれの残差の統計情報に基づいて、前記閾値を計算する、ステップと、
(c)推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定する、ステップと、を有し、
前記(c)のステップで、収束していないと判定する場合は、前記(a)のステップ、及び前記(b)のステップそれぞれが再度実行される、
ことを特徴とするパラメータ推定方法。
(d)前記複数のデータ点と前記パラメータの初期値とを取得し、取得した前記初期値に対する前記複数のデータ点それぞれの残差を計算する、ステップと、
(e)計算された前記残差に基づいて、前記複数のデータ点それぞれに設定されている重みを更新する、ステップと、を更に有し、
前記(a)のステップで、前記複数のデータ点に加えて、前記(e)のステップで更新された前記複数のデータ点それぞれの重みも入力として、前記パラメータを推定し、
前記(b)のステップで、前記(d)のステップで計算された前記残差のうち前記インライアの残差を特定し、特定した前記インライアの残差の前記統計情報に基づいて、前記閾値を計算し、
前記(c)のステップで、収束していると判定する場合は、前記(c)のステップにおいて、推定された前記パラメータを、前記インライアに適合するパラメータとして出力し、
前記(c)のステップで、収束していないと判定する場合は、前記(a)のステップで推定された前記パラメータを前記初期値として、前記(d)のステップ、前記(e)のステップ、前記(a)のステップ、及び前記(b)のステップそれぞれが再度実行される、
付記6に記載のパラメータ推定方法。
前記(a)のステップにおいて、反復再重み付け最小二乗法、又はM推定を実行して、前記パラメータを推定する、
付記7に記載のパラメータ推定方法。
前記(b)のステップにおいて、前記インライアの残差の事前確率分布から前記統計情報を求め、求めた前記統計情報に基づいて、前記閾値を計算する、
付記7または8に記載のパラメータ推定方法。
前記事前確率分布は、混合正規分布で表され、
前記(b)のステップにおいて、前記統計情報として、前記インライアの残差の平均値と標準偏差とを求める、
付記9に記載のパラメータ推定方法。
コンピュータによって、複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するためのプログラムであって、
前記コンピュータに、
(a)前記複数のデータ点を入力として、前記パラメータを推定する、ステップと、
(b)前記複数のデータ点それぞれの残差の統計情報に基づいて、前記閾値を計算する、ステップと、
(c)推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定する、ステップと、
を実行させ、
前記(c)のステップで、収束していないと判定する場合は、前記(a)のステップ、及び前記(b)のステップそれぞれを再度実行する、
ことを特徴とするプログラム。
前記コンピュータに、
(d)前記複数のデータ点と前記パラメータの初期値とを取得し、取得した前記初期値に対する前記複数のデータ点それぞれの残差を計算する、ステップと、
(e)計算された前記残差に基づいて、前記複数のデータ点それぞれに設定されている重みを更新する、ステップと、
を更に実行させ、
前記(a)のステップで、前記複数のデータ点に加えて、前記(e)のステップで更新された前記複数のデータ点それぞれの重みも入力として、前記パラメータを推定し、
前記(b)のステップで、前記(d)のステップで計算された前記残差のうち前記インライアの残差を特定し、特定した前記インライアの残差の前記統計情報に基づいて、前記閾値を計算し、
前記(c)のステップで、収束していると判定する場合は、前記(c)のステップにおいて、推定された前記パラメータを、前記インライアに適合するパラメータとして出力し、
前記(c)のステップで、収束していないと判定する場合は、前記(a)のステップで推定された前記パラメータを前記初期値として、前記(d)のステップ、前記(e)のステップ、前記(a)のステップ、及び前記(b)のステップそれぞれを再度実行する、
付記11に記載のプログラム。
前記(a)のステップにおいて、反復再重み付け最小二乗法、又はM推定を実行して、前記パラメータを推定する、
付記12に記載のプログラム。
前記(b)のステップにおいて、前記インライアの残差の事前確率分布から前記統計情報を求め、求めた前記統計情報に基づいて、前記閾値を計算する、
付記12または13に記載のプログラム。
前記事前確率分布は、混合正規分布で表され、
前記(b)のステップにおいて、前記統計情報として、前記インライアの残差の平均値と標準偏差とを求める、
付記14に記載のプログラム。
11 残差計算部
12 重み更新部
13 パラメータ推定部
14 閾値決定部
15 収束判定部
110 コンピュータ
111 CPU
112 メインメモリ
113 記憶装置
114 入力インターフェイス
115 表示コントローラ
116 データリーダ/ライタ
117 通信インターフェイス
118 入力機器
119 ディスプレイ装置
120 記録媒体
121 バス
Claims (5)
- 複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するための装置であって、
前記複数のデータ点と前記パラメータの初期値とを取得し、取得した前記初期値に対する前記複数のデータ点それぞれの残差を計算する、残差計算部と、
計算された前記残差に基づいて、前記複数のデータ点それぞれに設定されている重みを更新する、重み更新部と、
前記複数のデータ点に加えて、更新された前記複数のデータ点それぞれの重みも入力として、前記パラメータを推定する、パラメータ推定部と、
計算された前記残差のうちインライアの残差は、期待値と標準偏差の正規分布に従うと仮定し、前記期待値と前記標準偏差と定数に基づいて前記閾値を計算する、閾値決定部と、
推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定し、収束していないと判定する場合は、推定された前記パラメータを前記初期値として、前記残差計算部、前記重み更新部、前記パラメータ推定部、及び前記閾値決定部それぞれに、再度処理を実行させる、収束判定部と、
を備えている、ことを特徴とするパラメータ推定装置。 - 前記収束判定部は、収束していると判定する場合は、推定された前記パラメータを、前記インライアに適合するパラメータとして出力する、
請求項1に記載のパラメータ推定装置。 - 前記パラメータ推定部が、反復再重み付け最小二乗法、又はM推定を実行して、前記パラメータを推定する、
請求項2に記載のパラメータ推定装置。 - 複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するための方法であって、
前記複数のデータ点と前記パラメータの初期値とを取得し、取得した前記初期値に対する前記複数のデータ点それぞれの残差を計算し、
計算された前記残差に基づいて、前記複数のデータ点それぞれに設定されている重みを更新し、
前記複数のデータ点に加えて、更新された前記複数のデータ点それぞれの重みも入力として、前記パラメータを推定し、
計算された前記残差のうちインライアの残差は、期待値と標準偏差の正規分布に従うと仮定し、前記期待値と前記標準偏差と定数に基づいて前記閾値を計算し、
推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定し、収束していないと判定する場合は、推定された前記パラメータを前記初期値として、前記残差の計算、前記重みの更新、前記パラメータの推定、及び前記閾値の決定それぞれを、再度実行させる、
ことを特徴とするパラメータ推定方法。 - コンピュータによって、複数のデータ点をアウトライアとインライアとに分離するための閾値を計算して、前記インライアに適合するパラメータを推定するためのプログラムであって、
前記コンピュータに、
前記複数のデータ点と前記パラメータの初期値とを取得し、取得した前記初期値に対する前記複数のデータ点それぞれの残差を計算させ、
計算された前記残差に基づいて、前記複数のデータ点それぞれに設定されている重みを更新させ、
前記複数のデータ点に加えて、更新された前記複数のデータ点それぞれの重みも入力として、前記パラメータを推定させ、
計算された前記残差のうちインライアの残差は、期待値と標準偏差の正規分布に従うと仮定し、前記期待値と前記標準偏差と定数に基づいて前記閾値を計算させ、
推定された前記パラメータと計算された前記閾値とに基づいて、前記パラメータの推定が収束しているかどうかを判定し、収束していないと判定する場合は、推定された前記パラメータを前記初期値として、前記残差の計算、前記重みの更新、前記パラメータの推定、及び前記閾値の決定それぞれを、再度実行させる、
ことを特徴とするプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/016869 WO2018198298A1 (ja) | 2017-04-27 | 2017-04-27 | パラメータ推定装置、パラメータ推定方法、及びコンピュータ読み取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018198298A1 JPWO2018198298A1 (ja) | 2020-03-05 |
JP6954346B2 true JP6954346B2 (ja) | 2021-10-27 |
Family
ID=63920210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019515007A Active JP6954346B2 (ja) | 2017-04-27 | 2017-04-27 | パラメータ推定装置、パラメータ推定方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11455372B2 (ja) |
JP (1) | JP6954346B2 (ja) |
WO (1) | WO2018198298A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658156A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种去除深度图像中局外点的球体拟合方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005201869A (ja) | 2004-01-19 | 2005-07-28 | Mitsutoyo Corp | 信号処理方法、信号処理プログラム、この信号処理プログラムを記録した記録媒体および信号処理装置 |
US20070255512A1 (en) * | 2006-04-28 | 2007-11-01 | Delenstarr Glenda C | Methods and systems for facilitating analysis of feature extraction outputs |
US8611657B2 (en) * | 2011-02-25 | 2013-12-17 | Adobe Systems Incorporated | Robust fitting of surfaces from noisy data |
WO2013087884A1 (en) * | 2011-12-16 | 2013-06-20 | Universiteit Gent | Mutant microorganisms to synthesize colanic acid, mannosylated and/or fucosylated oligosaccharides |
-
2017
- 2017-04-27 JP JP2019515007A patent/JP6954346B2/ja active Active
- 2017-04-27 WO PCT/JP2017/016869 patent/WO2018198298A1/ja active Application Filing
- 2017-04-27 US US16/607,916 patent/US11455372B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11455372B2 (en) | 2022-09-27 |
JPWO2018198298A1 (ja) | 2020-03-05 |
WO2018198298A1 (ja) | 2018-11-01 |
US20200097522A1 (en) | 2020-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kurtz et al. | Cross-entropy-based adaptive importance sampling using Gaussian mixture | |
CN104869126B (zh) | 一种网络入侵异常检测方法 | |
US11030246B2 (en) | Fast and accurate graphlet estimation | |
KR101852527B1 (ko) | 기계학습 기반의 동적 시뮬레이션 파라미터 교정 방법 | |
JP7091872B2 (ja) | 検知装置及び検知方法 | |
JP2011113550A (ja) | 情報処理装置、情報処理方法、情報処理システム、プログラム及びデータ構造 | |
CN111652371A (zh) | 一种离线强化学习网络训练方法、装置、系统及存储介质 | |
CN111078639A (zh) | 数据标准化方法、装置以及电子设备 | |
CN114424204A (zh) | 使用强化学习的数据评估 | |
US20220058312A1 (en) | Estimation apparatus, optimization apparatus, estimation method, optimization method, and program | |
JP6954346B2 (ja) | パラメータ推定装置、パラメータ推定方法、及びプログラム | |
CN111612022A (zh) | 用于分析数据的方法、设备和计算机存储介质 | |
US12002549B2 (en) | Knowledge reuse-based method and system for predicting cell concentration in fermentation process | |
JP6398991B2 (ja) | モデル推定装置、方法およびプログラム | |
CN116543259A (zh) | 一种深度分类网络噪声标签建模与纠正方法、系统及存储介质 | |
CN115272152A (zh) | 一种对抗医学图像的生成方法、装置、设备及存储介质 | |
JP6233432B2 (ja) | 混合モデルの選択方法及び装置 | |
JP7477859B2 (ja) | 計算機、計算方法及びプログラム | |
JP7331938B2 (ja) | 学習装置、推定装置、学習方法及び学習プログラム | |
JP7056804B2 (ja) | 経験損失推定システム、経験損失推定方法および経験損失推定プログラム | |
CN113656669A (zh) | 标签更新方法及装置 | |
CN114693052A (zh) | 风险预测模型的训练方法、装置、计算设备和介质 | |
JP5970579B2 (ja) | 混合モデル決定用の装置、方法、およびプログラム | |
EP3940601A1 (en) | Information processing apparatus, information processing method, and information program | |
JP6453618B2 (ja) | 算出装置、方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191021 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191021 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210303 |
|
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: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6954346 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |