JP6995909B2 - 1以上のプロセスを監視しセンサデータを提供する複数のセンサを含むシステムのための方法 - Google Patents
1以上のプロセスを監視しセンサデータを提供する複数のセンサを含むシステムのための方法 Download PDFInfo
- Publication number
- JP6995909B2 JP6995909B2 JP2020046552A JP2020046552A JP6995909B2 JP 6995909 B2 JP6995909 B2 JP 6995909B2 JP 2020046552 A JP2020046552 A JP 2020046552A JP 2020046552 A JP2020046552 A JP 2020046552A JP 6995909 B2 JP6995909 B2 JP 6995909B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor data
- probability map
- search
- processes
- data
- 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
- 238000000034 method Methods 0.000 title claims description 79
- 230000006870 function Effects 0.000 claims description 19
- 230000002068 genetic effect Effects 0.000 claims description 11
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000013459 approach Methods 0.000 description 13
- 238000005457 optimization Methods 0.000 description 13
- 238000002360 preparation method Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000001052 transient effect Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000003723 Smelting Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
状態変数データは、関心あるKPIに関連し得る変数に関する履歴データである。例えば、製造生産ラインにおいて、製品ユニットの生産に沿った全てのセンサ測定値が、状態変数空間のデータインスタンスを形成する。このような変数は、連続変数(表面温度やねじれ角等)又はカテゴリ変数(クリーニングが行われたか等)のいずれかである。
状態変数空間内の所与のデータポイントについて、対応するKPI値が存在する。例えば、上記製造例では、KPIは結果の製品が適格であるか否かである。また、KPIは、なんらかのサービスの満足度スコア又は結果として得られる利益など、連続的な変数としてもよい。
メタデータは、関連する変数の特性を記述するデータを含む。例えば、メタデータは、特定の変数の有効範囲を指定し得る。他の例として、メタデータは、どのデータポイントが有効で、どのデータポイントが無効であるかを示す場合がある。これにより、無効なデータは、データ分析において破棄される(例えば、0又は1は状態変数10の無意味なデータである)。
確率的網羅率閾値は、運用範囲特定システムからの出力に対する、最小の確率的網羅率要件である。具体的には、閾値は、検出された領域に属する状態変数ポイントの最小パーセンテージを定量化する。この閾値には、0~1の任意の値を指定できる。値が大きいほど、網羅率要件が厳しくなる。従って、結果の領域はより広くなる。
ユーザは、システムに何個の互いに素の領域を出力させたいかをシステムに入力することによって、出力の構造を指定することができる。このパラメータは、任意の正の整数を指定できる。出力において複数の領域を指定することが、重要なことがある。例えば、生産が、複数の異なる運用モードで実施されることがある。モード毎に、領域を指定する必要がある。このパラメータは、制約付き運用範囲特定システムのオプションである。ユーザによって指定されていない場合、システムは、このパラメータに異なる数値を試してから、ユーザが自分のニーズに基づいて結果を選択できる。
(a)データ準備301
データ準備モジュール301は、データ分析のために適切な形式に変換し、欠損値及び外れ値を処理し、無効なデータポイントを除去する等することで、未処理のプロセスデータを準備する。データ準備モジュール301の詳細は後述する。
解釈可能かつ実装可能な運用範囲特定モジュール302は、まず、任意の所与の範囲(any given envelope)の平均KPI及び確率的網羅率を推定し、次に、状態変数空間において、全ての領域の中で最も高い平均KPIを生成し、解釈可能性と事前に指定された実装可能性の両方を保証する最適範囲(optimal envelope)を探索する。解釈可能かつ実装可能な運用範囲特定モジュール302のさらなる詳細は、後述する。
データ準備モジュール301は、いくつかのステップを含む。最初のステップの目的は、異なるソースからのデータを統合して、行が異なる観測値を表し列が状態変数とKPI変数を表す表形式のデータを、取得することである。通常、プロセスデータは、欠損値、外れ値、無効なデータを含む。2番目のデータ準備ステップの目的は、これらの問題を処理することである。データ準備プロセスは次のように進行する。
a)メタデータセットの情報に基づいて、意味を有していないデータの数nmeaninglessを数える。
b)統計の外れ値検出ルールに基づいて、有効なデータを使用して外れ値の数noutlierを単に数える。
c)nmeaninglessとnoutlierの合計が事前に指定された閾値(例えば、ユニットの総数の40%)よりも大きい場合、列は分析から削除される。これは、列に含まれる有効なデータが十分でないからである。
このモジュール302は、解釈可能かつ実装可能な運用範囲を出力する体系的な方法を与える。次の2つの構成要素が利用される。
未処理データ、すなわちi=1、…、nの(yi、xi)が与えられると、実施例は任意の所与のRのE[y│x∈R]とPrを評価し、後のグローバル検索アルゴリズムを実行するために、次の2つの方法を使用する。
ペナルティアプローチは、最適化の分野で追加の制約を処理する良い方法である。実施例は、このアプローチを次のように使用する。元の制約付き最適化問題は、次のように同等に変換される。
遺伝的アルゴリズムは、最適化問題を解決するために利用できるアルゴリズムであり、目的関数の明示的な式を必要としない。遺伝的アルゴリズムは、自然のプロセスを模倣しようとする。実施例において、遺伝的アルゴリズムは次のように進む。
上述のように、元の制約付き問題は、単一の目的関数[y│x∈R]-c*(β-Pr)+を最適化することで解決できる。ここで、c*は、下記式が最小となる値である。
c*の値が得られると、実施例はR*を見つけることができる。これは、推定手順と遺伝的アルゴリズムを使用することによって、下記式に対する解を見つけることによる。
形状が容易にパラメータ化され得る場合、実施例は、他のタイプの形状も同様に考慮できる。例えば、球体は中心と半径で表すことができるので、考慮できる代替形状の1つである。楕円体も簡単にパラメータ化できるので、選択肢の一つである。
実施例は、推定を実行するための2つの方法を説明した。ユーザは実際の実装に基づいて選択できる。
遺伝的アルゴリズムアプローチに加えて、実施例は、数値勾配降下アルゴリズムなどの微分ベースのアプローチを使用することもできる。
ペナルティ法に加えて、所望の実装に従って、ラグランジュ法等を含む他の方法を使用して制約を処理することができる。
Claims (12)
- 1以上のプロセスを監視しセンサデータを提供する複数のセンサを含むシステムのために、装置が実行する方法であって、
前記装置が、前記センサデータが任意の所与の領域に入る確率を示す確率マップ、及び、前記1以上のプロセスの主要業績評価指標(KPI)と前記センサデータの関数関係、を決定し、
前記装置が、前記確率マップで検索を実行して、前記関数関係に基づいて前記1以上のプロセスのKPIを最適化する前記センサデータの制約された連続の範囲を決定し、
前記装置が、前記センサデータの制約された連続の範囲において前記1以上のプロセスの運用範囲を生成することを含み、
前記制約は、前記確率が閾値より大きいことであり、
前記関数関係を決定することは、前記任意の所与の領域における前記KPIの平均を前記確率マップに基づき計算することを含み、
前記確率マップで前記検索を実行することは、前記KPIの平均に対して、制約されていない又は連続していない範囲が発見された検索にペナルティを適用する、ことを含む、方法。 - 請求項1に記載の方法であって、前記確率マップで前記検索を実行することは、前記確率マップで遺伝的検索アルゴリズムを実行することを含む、方法。
- 請求項1に記載の方法であって、前記関数関係を決定することは、前記センサの履歴データに基づいて前記関数関係を示すパラメータを学習するパラメトリック法を利用し、既知のパラメータと前記学習したパラメータとに基づき前記関数関係を生成する、ことを含む方法。
- 請求項1に記載の方法であって、前記関数関係を決定することは、前記センサの履歴データに中央極限定理に基づくサンプル平均近似を適用して、前記KPIの前記任意の所与の領域の平均を決定する、方法。
- 1以上のプロセスを監視しセンサデータを提供する複数のセンサを含むシステムのために、コンピュータに処理を実行させるプログラムであって、前記処理は、
前記センサデータが任意の所与の領域に入る確率を示す確率マップ、及び、前記1以上のプロセスの主要業績評価指標(KPI)と前記センサデータの関数関係、を決定し、
前記確率マップで検索を実行して、前記関数関係に基づいて前記1以上のプロセスのKPIを最適化する前記センサデータの制約された連続の範囲を決定し、
前記センサデータの制約された連続の範囲において前記1以上のプロセスの運用範囲を生成する、ことを含み、
前記制約は、前記確率が閾値より大きいことであり、
前記関数関係を決定することは、前記任意の所与の領域における前記KPIの平均を前記確率マップに基づき計算することを含み、
前記確率マップで前記検索を実行することは、前記KPIの平均に対して、制約されていない又は連続していない範囲が発見された検索にペナルティを適用する、ことを含む、プログラム。 - 請求項5に記載のプログラムであって、前記確率マップで前記検索を実行することは、前記確率マップで遺伝的検索アルゴリズムを実行することを含む、プログラム。
- 請求項5に記載のプログラムであって、前記関数関係を決定することは、前記センサの履歴データに基づいて前記関数関係を示すパラメータを学習するパラメトリック法を利用し、既知のパラメータと前記学習したパラメータとに基づき前記関数関係を生成する、こ
とを含むプログラム。 - 請求項5に記載のプログラムであって、前記関数関係を決定することは、前記センサの履歴データに中央極限定理に基づくサンプル平均近似を適用して、前記KPIの前記所与の領域単位の平均を決定することを含む、プログラム。
- 1以上のプロセスを監視しセンサデータを提供する複数のセンサと、
1以上のプロセッサと、を含むシステムであって、
前記1以上のプロセッサは、
前記センサデータが任意の所与の領域に入る確率を示す確率マップ、及び、前記1以上のプロセスの主要業績評価指標(KPI)と前記センサデータの関数関係、を決定し、
前記確率マップで検索を実行して、前記関数関係に基づいて前記1以上のプロセスのKPIを最適化する前記確率が閾値を超える前記センサデータの制約された連続の範囲を決定し、
前記センサデータの制約された連続の範囲における前記1以上のプロセスの運用範囲を生成し、
前記制約は、前記確率が閾値より大きいことであり、
前記1以上のプロセッサは、
前記任意の所与の領域における前記KPIの平均を前記確率マップに基づき計算することによって、前記関数関係を決定し、
前記KPIの平均に対して、制約されていない又は連続していない範囲が発見された検索にペナルティを適用することによって、前記確率マップで前記検索を実行する、システム。 - 請求項9に記載のシステムであって、前記1以上のプロセッサは、前記確率マップで遺伝的検索アルゴリズムを実行することによって、前記確率マップで前記検索を実行する、システム。
- 請求項9に記載のシステムであって、前記1以上のプロセッサは、前記センサの履歴データに基づいて前記関数関係を示すパラメータを学習するパラメトリック法を利用し、既知のパラメータと前記学習したパラメータとに基づき前記関数関係を生成することによって、前記関数関係を決定する、システム。
- 請求項9に記載のシステムであって、前記1以上のプロセッサは、前記センサの履歴データに中央極限定理に基づくサンプル平均近似を適用して前記KPIの前記任意の所与の領域の平均を決定することによって、前記関数関係を決定する、システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/428,141 US11049060B2 (en) | 2019-05-31 | 2019-05-31 | Operating envelope recommendation system with guaranteed probabilistic coverage |
US16/428,141 | 2019-05-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020198080A JP2020198080A (ja) | 2020-12-10 |
JP6995909B2 true JP6995909B2 (ja) | 2022-01-17 |
Family
ID=69844429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020046552A Active JP6995909B2 (ja) | 2019-05-31 | 2020-03-17 | 1以上のプロセスを監視しセンサデータを提供する複数のセンサを含むシステムのための方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11049060B2 (ja) |
EP (1) | EP3745321A1 (ja) |
JP (1) | JP6995909B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11860617B2 (en) * | 2019-11-26 | 2024-01-02 | Technische Universitaet Berlin | Forecasting industrial aging processes with machine learning methods |
CN116795066B (zh) * | 2023-08-16 | 2023-10-27 | 南京德克威尔自动化有限公司 | 远程io模块的通信数据处理方法、系统、服务器及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000187504A (ja) | 1998-10-22 | 2000-07-04 | Yamaha Motor Co Ltd | ソフト計算に基づくインテリジェント制御方法、制御装置及び制御システム |
JP2008276323A (ja) | 2007-04-25 | 2008-11-13 | Honda Motor Co Ltd | 制御パラメータを探索するためのプログラム |
JP2016500938A (ja) | 2012-09-30 | 2016-01-14 | グーグル インコーポレイテッド | インテリジェント・コントローラにおける自動存在検出と存在関連制御 |
US20160381580A1 (en) | 2015-06-29 | 2016-12-29 | Cisco Technology, Inc. | Association rule analysis and data visualization for mobile networks |
JP2018195308A (ja) | 2017-05-15 | 2018-12-06 | タタ コンサルタンシー サービシズ リミテッドTATA Consultancy Services Limited | プロセス及び製造業における業績評価指標のデータに基づく最適化のための方法及びシステム |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6415272B1 (en) | 1998-10-22 | 2002-07-02 | Yamaha Hatsudoki Kabushiki Kaisha | System for intelligent control based on soft computing |
US8914300B2 (en) * | 2001-08-10 | 2014-12-16 | Rockwell Automation Technologies, Inc. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
US7885842B1 (en) * | 2006-04-28 | 2011-02-08 | Hewlett-Packard Development Company, L.P. | Prioritizing service degradation incidents based on business objectives |
US10095990B2 (en) * | 2008-01-24 | 2018-10-09 | International Business Machines Corporation | Developing, implementing, transforming and governing a business model of an enterprise |
US8072954B2 (en) * | 2008-06-16 | 2011-12-06 | Microsoft Corporation | Mashup application and service for wireless devices |
US9280777B2 (en) * | 2009-09-08 | 2016-03-08 | Target Brands, Inc. | Operations dashboard |
KR20140126747A (ko) * | 2012-02-17 | 2014-10-31 | 달리 시스템즈 씨오. 엘티디. | 분산형 안테나 시스템을 이용하는 지리적 로드 밸런싱을 위한 진화적 알고리즘 |
US10742475B2 (en) * | 2012-12-05 | 2020-08-11 | Origin Wireless, Inc. | Method, apparatus, and system for object tracking sensing using broadcasting |
US9092741B1 (en) * | 2014-04-21 | 2015-07-28 | Amber Flux Private Limited | Cognitive platform and method for energy management for enterprises |
US9864797B2 (en) * | 2014-10-09 | 2018-01-09 | Splunk Inc. | Defining a new search based on displayed graph lanes |
US10677046B2 (en) * | 2015-04-07 | 2020-06-09 | West Virginia University | Leakage detection using smart field technology |
WO2016201143A1 (en) * | 2015-06-09 | 2016-12-15 | Skytree, Inc. | Constructing additive trees monotonic in selected sets of variables |
US10592817B2 (en) * | 2015-07-13 | 2020-03-17 | International Business Machines Corporation | Parameter-dependent model-blending with multi-expert based machine learning and proxy sites |
US9743253B2 (en) * | 2015-08-27 | 2017-08-22 | Glopos Fzc | Method and arrangement for locating a mobile device |
US10109122B2 (en) * | 2016-04-22 | 2018-10-23 | Hitachi, Ltd. | System for maintenance recommendation based on maintenance effectiveness estimation |
AU2017298104B2 (en) * | 2016-06-02 | 2022-07-07 | Baker Hughes Esp, Inc. | Method for well artificial lift lifecycle planning |
US11416533B2 (en) * | 2016-06-06 | 2022-08-16 | Avlino Inc. | System and method for automated key-performance-indicator discovery |
US10671621B2 (en) * | 2017-12-08 | 2020-06-02 | Microsoft Technology Licensing, Llc | Predictive scaling for cloud applications |
US10674518B2 (en) * | 2017-12-27 | 2020-06-02 | Comcast Cable Communications, Llc | Dynamic management of interference and coverage in wireless communications |
US20190384255A1 (en) * | 2018-06-19 | 2019-12-19 | Honeywell International Inc. | Autonomous predictive real-time monitoring of faults in process and equipment |
-
2019
- 2019-05-31 US US16/428,141 patent/US11049060B2/en active Active
-
2020
- 2020-03-13 EP EP20162920.1A patent/EP3745321A1/en active Pending
- 2020-03-17 JP JP2020046552A patent/JP6995909B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000187504A (ja) | 1998-10-22 | 2000-07-04 | Yamaha Motor Co Ltd | ソフト計算に基づくインテリジェント制御方法、制御装置及び制御システム |
JP2008276323A (ja) | 2007-04-25 | 2008-11-13 | Honda Motor Co Ltd | 制御パラメータを探索するためのプログラム |
JP2016500938A (ja) | 2012-09-30 | 2016-01-14 | グーグル インコーポレイテッド | インテリジェント・コントローラにおける自動存在検出と存在関連制御 |
US20160381580A1 (en) | 2015-06-29 | 2016-12-29 | Cisco Technology, Inc. | Association rule analysis and data visualization for mobile networks |
JP2018195308A (ja) | 2017-05-15 | 2018-12-06 | タタ コンサルタンシー サービシズ リミテッドTATA Consultancy Services Limited | プロセス及び製造業における業績評価指標のデータに基づく最適化のための方法及びシステム |
Also Published As
Publication number | Publication date |
---|---|
EP3745321A1 (en) | 2020-12-02 |
JP2020198080A (ja) | 2020-12-10 |
US20200380447A1 (en) | 2020-12-03 |
US11049060B2 (en) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10754764B2 (en) | Validation sets for machine learning algorithms | |
Alfaro‐García et al. | Logarithmic aggregation operators and distance measures | |
US20070156479A1 (en) | Multivariate statistical forecasting system, method and software | |
US11194940B2 (en) | Optimization under disallowed combinations | |
WO2018157752A1 (en) | Approximate random number generator by empirical cumulative distribution function | |
JP6995909B2 (ja) | 1以上のプロセスを監視しセンサデータを提供する複数のセンサを含むシステムのための方法 | |
US11593665B2 (en) | Systems and methods driven by link-specific numeric information for predicting associations based on predicate types | |
JP7168753B2 (ja) | ヘッドルームに基づくエッジデバイスのためのプロファイリングおよびアプリケーション監視 | |
US9736031B2 (en) | Information system construction assistance device, information system construction assistance method, and information system construction assistance program | |
US20210279618A1 (en) | System and method for building and using learning machines to understand and explain learning machines | |
Bi et al. | A preference-based multi-objective algorithm for optimal service composition selection in cloud manufacturing | |
Bozkir et al. | FUAT–A fuzzy clustering analysis tool | |
WO2022240860A1 (en) | Methods and systems for identification and visualization of bias and fairness for machine learning models | |
CA3189593A1 (en) | Hybrid machine learning | |
JP2023011143A (ja) | 事業計画管理のための装置、方法及びシステム | |
US20230418871A1 (en) | Systems, methods, computing platforms, and storage media for comparing non-adjacent data subsets | |
US11699000B2 (en) | Experiment design variants evaluation table GUI | |
CN113420165B (zh) | 二分类模型的训练、多媒体数据的分类方法及装置 | |
US11676050B2 (en) | Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees using leaf nodes | |
US20220188689A1 (en) | Graph-to-signal domain based data interconnection classification system and method | |
CN114358350A (zh) | 会议预定模型的使用方法、装置、设备及存储介质 | |
Hoegh et al. | Correlated model fusion | |
Chen | Knowledge-based analytics for massively distributed networks with noisy data | |
US11914665B2 (en) | Multi-modal machine-learning model training for search | |
US10235686B2 (en) | System forecasting and improvement using mean field |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200317 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210727 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211122 |
|
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: 20211207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6995909 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |