JP7231511B2 - 管理装置、管理方法、および管理プログラム - Google Patents
管理装置、管理方法、および管理プログラム Download PDFInfo
- Publication number
- JP7231511B2 JP7231511B2 JP2019139086A JP2019139086A JP7231511B2 JP 7231511 B2 JP7231511 B2 JP 7231511B2 JP 2019139086 A JP2019139086 A JP 2019139086A JP 2019139086 A JP2019139086 A JP 2019139086A JP 7231511 B2 JP7231511 B2 JP 7231511B2
- Authority
- JP
- Japan
- Prior art keywords
- environment
- information
- management
- environment information
- data processing
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
- General Factory Administration (AREA)
Description
図1は、実施例1にかかる管理システムのシステム構成例を示す説明図である。管理システム100は、管理装置101と、エッジ環境102とを有する。管理装置101およびエッジ環境102は、インターネット、LAN(Local Area Network)、WAN(Wide Area Network)などのネットワーク103(有線、無線問わない)を介して通信可能に接続される。なお、管理システム100では、エッジ環境102は1つであるが、エッジ環境102は管理システム100内に複数存在してもよい。
図2は、図1に示した環境情報DB111の一例を示す説明図である。環境情報DB111は、エッジ番号200ごとに、p個(pは1以上の整数)のエッジ情報e1~epを有する。たとえば、エッジ情報eは、環境項目として、たとえば、DNN用途e1、エッジ環境e2、3M情報e3、Man情報e4、…、時間情報epを含む。1つの行のエッジ情報の組み合わせがそのエッジ番号200で特定されるエッジ端末Tiの環境情報Eiである。
図3は、実施例1にかかる一致数計数テーブルの一例を示す説明図である。一致数計数テーブル300は、既存の環境情報Eiと新規のエッジ端末Tiの環境情報Enとのエッジ情報の一致数301を計数するテーブルである。既存の環境情報Eiと新規のエッジ端末Tiの環境情報Enとのエッジ情報が一致した場合の値を「1」、不一致の場合の値を「0」とする。行方向の合計値が環境情報Eiとの一致数hiとなる。
図4は、実施例1にかかるモデル配合条件と学習済みモデルとを示す説明図である。(A)は、エッジ端末Tnのモデル配合条件Cnを示し、(B)は、学習済みモデルLMnの計算式の一例を示す。モデル配合条件Cnは、重みR1~Rn-1の組み合わせである。重みRiの分母Σ(h)は、一致数h1~hn-1の総和である。(B)の式は、図1の式1のRiにモデル配合条件Cnを代入した式となる。
図5は、CNNのある1層に存在するニューラルネットワーク処理例を示す説明図である。(A)は入力特徴マップ501、(B)は重みフィルタ502、(C)は出力特徴マップ503を示す。入力特徴マップ501と重みフィルタ502との乗算結果が出力特徴マップ503となり、次の層の入力特徴マップ501となる。
つぎに、コンピュータのハードウェア構成例について説明する。コンピュータとは、図1に示した管理装置101、エッジサーバ120およびエッジ端末Tiである。
図9は、実施例1にかかる管理システム100のシーケンス例を示すシーケンス図である。エッジ端末Tnは、温度センサなどの環境センサ123Aやカメラ123Bなどのセンサ123から環境情報Enを検出し、エッジサーバ120の第2通信部121を経由して管理装置101の第1通信部112に環境情報Enを送信する(ステップS901)。なお、管理装置101のユーザが管理端末900から環境情報Enを入力(ステップS900)することにより、管理装置101の第1通信部112に送信してもよい(ステップS901)。第1通信部112は、受信した環境情報Enを算出部113に出力する。
図12は、実施例2にかかる一致数計数テーブルの一例を示す説明図である。実施例1の一致数計数テーブル300との違いは、実施例2の一致数計数テーブル1200では、各エッジ情報ej(1≦j≦p)に固有の重み係数wjが付与されており、かつ、一致数301が重み付き一致数1001に変更されている点である。重み係数wjはあらかじめ設定された値である。重み係数wjは、たとえば、0以上の整数とする。重み係数w1~wpがすべて1の場合、一致数計数テーブル1200は、実施例1の一致数計数テーブル300と同じテーブルになる。
図13は、実施例2にかかるモデル配合条件と学習済みモデルとを示す説明図である。(A)はモデル配合条件Cnを示し、(B)は、学習済みモデルLMnの計算式の一例を示す。モデル配合条件Cnは、重みR1~Rn-1の組み合わせである。重みRiの分母Σ(S)は、一致数S1~Sn-1の総和である。(B)の式は、図1の式1のRiにモデル配合条件Cnを代入した式となる。
図14は、実施例3にかかる管理システム100のシステム構成例を示す説明図である。エッジサーバ120は、学習部1401を有する。学習部1401は、具体的には、たとえば、記憶デバイス802に記憶されたプログラムをプロセッサ801に実行させることにより実現される。学習部1401は、推論部122と同一構成のCNNにより構成される。
図15は、実施例3にかかる管理システム100のシーケンス例を示すシーケンス図である。あるエッジ端末(ここでは、エッジ端末Tnとする)は、学習済みモデルLMnを管理装置101から受信すると(ステップS906)、推論部122に適用し、センサ123からの画像データを入力することにより、推論結果を出力する(ステップS907)。推論結果が誤りである場合、エッジ端末Tnのユーザは、推論結果に正解データを割り付けてデータセットを設定する。学習部1401は、エッジ端末Tnのユーザに設定されたデータセットをCNNに与えて学習済みモデルLMn´を生成する(ステップS1508)。
図17は、モデルDB110に記憶されている学習済みモデルLMiの一例を示す説明図である。学習済みモデルLMiは、学習済みモデルLMi(t1)、LMi(t2)、…、LMi(tj)、…、LMi(t(m-1))を含む。t1~t(m-1)は、時刻を示すタイムステップであり、jが小さいほど過去の時刻を示す。学習済みモデルLMi(tm)は、時刻tmの環境情報Emによりあらたに追加される学習済みモデルである。
図18は、実施例4にかかる環境情報DB111の一例を示す説明図である。環境情報DB111は、エッジ端末Tiごとに環境情報テーブル111(Ti)を記憶する。環境情報テーブル111(Ti)は、時刻1800ごとに環境情報E1(Ti)を記憶する。
図19は、エッジ端末Tiに関する一致数計数テーブルの一例を示す説明図である。図1では、例としてエッジ番号#がi=1のエッジ端末T1に関する一致数計数テーブル300(T1)を示す。図3では、エッジ番号200ごとにエッジ情報e1~epの値が配列されているが、図19では、時刻1800ごとにエッジ情報e1~epの値が配列されている。なお、実施例2のように、重み係数w1~wpを適用してもよい。
図20は、実施例4にかかるモデル配合条件と学習済みモデルとを示す説明図である。(A)は例としてエッジ番号#がi=1のエッジ端末T1に関するモデル配合条件を示し、(B)は、学習済みモデルLM1の計算式の一例を示す。モデル配合条件C1は、重みR1~Rn-1の組み合わせである。重みRiの分母Σ(g)は、一致数g1~gm-1の総和である。(B)の式は、図1の式1のRiにモデル配合条件C1を代入した式となる。
Ei 環境情報
LMi 学習済みモデル
Ti エッジ端末
100 管理システム
101 管理装置
102 エッジ環境
110 モデルDB
111 環境情報DB
112 第1通信部
113 算出部
114 配合部
120 エッジサーバ
121 第2通信部
122 推論部
123 センサ
300、1200 一致数計数テーブル
301、1001 一致数
1401 学習部
Claims (9)
- 管理対象にアクセス可能な管理装置であって、
プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、前記管理対象と通信可能な通信インタフェースと、を有し、
前記プロセッサは、
前記管理対象の1つである第1データ処理装置の第1環境を示す第1環境情報を受信する受信処理と、
前記受信処理によって受信された第1環境情報と、前記管理対象の1つである第2データ処理装置の第2環境を示す第2環境情報と、の関連度を示す関連情報を生成する第1生成処理と、
前記第1生成処理によって生成された関連情報と、前記第2環境で前記第2データ処理装置が推論に用いる第2学習済みモデルと、に基づいて、前記第1環境で前記第1データ処理装置が推論に用いる第1学習済みモデルを生成する第2生成処理と、
前記第2生成処理によって生成された第1学習済みモデルを前記第1データ処理装置に送信する送信処理と、を実行し、
前記第1環境情報および前記第2環境情報は、前記第1環境情報および前記第2環境情報に共通の環境を規定する複数の環境項目の値を有し、
前記複数の環境項目の各々には、前記環境項目の重要度が設定されており、
前記第1生成処理では、前記プロセッサは、前記第1環境情報および前記第2環境情報の間において同一の環境項目の値の一致数および前記環境項目の重要度に基づいて、前記関連情報を生成する、
ことを特徴とする管理装置。 - 請求項1に記載の管理装置であって、
前記受信処理では、前記プロセッサは、前記第1データ処理装置が前記管理対象として新たに追加された場合に、前記第1環境情報を受信する、
ことを特徴とする管理装置。 - 請求項1に記載の管理装置であって、
前記受信処理では、前記プロセッサは、前記第1データ処理装置において前記第1環境情報が新たに追加された場合に、新たに追加された前記第1環境情報を受信する、
ことを特徴とする管理装置。 - 請求項2に記載の管理装置であって、
前記第2生成処理では、前記プロセッサは、前記第1環境情報を前記第2環境情報として保存する、
ことを特徴とする管理装置。 - 請求項1に記載の管理装置であって、
前記第1生成処理では、前記プロセッサは、前記第1環境情報と、前記第1環境情報よりも過去の時点における前記第2データ処理装置の前記第2環境を示す前記第2環境情報と、の関連度を示す前記関連情報を生成する、
ことを特徴とする管理装置。 - 請求項5に記載の管理装置であって、
前記第1生成処理では、前記プロセッサは、前記受信処理によって新たに受信された第1環境情報と、前記第2環境情報と、の関連度を示す関連情報を生成する、
ことを特徴とする管理装置。 - 請求項6に記載の管理装置であって、
前記第2生成処理では、前記プロセッサは、前記第1環境情報を前記第2環境情報として保存する、
ことを特徴とする管理装置。 - 管理対象にアクセス可能な管理装置が実行する管理方法であって、
前記管理装置は、プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、前記管理対象と通信可能な通信インタフェースと、を有し、
前記管理方法は、
前記プロセッサが、
前記管理対象の1つである第1データ処理装置の第1環境を示す第1環境情報を受信する受信処理と、
前記受信処理によって受信された第1環境情報と、前記管理対象の1つである第2データ処理装置の第2環境を示す第2環境情報と、の関連度を示す関連情報を生成する第1生成処理と、
前記第1生成処理によって生成された関連情報と、前記第2環境で前記第2データ処理装置が推論に用いる第2学習済みモデルと、に基づいて、前記第1環境で前記第1データ処理装置が推論に用いる第1学習済みモデルを生成する第2生成処理と、
前記第2生成処理によって生成された第1学習済みモデルを前記第1データ処理装置に送信する送信処理と、を実行し、
前記第1環境情報および前記第2環境情報は、前記第1環境情報および前記第2環境情報に共通の環境を規定する複数の環境項目の値を有し、
前記複数の環境項目の各々には、前記環境項目の重要度が設定されており、
前記第1生成処理では、前記プロセッサは、前記第1環境情報および前記第2環境情報の間において同一の環境項目の値の一致数および前記環境項目の重要度に基づいて、前記関連情報を生成する、
ことを特徴とする管理方法。 - 管理対象を管理する処理をプロセッサに実行させるための管理プログラムであって、
前記プロセッサに、
前記管理対象の1つである第1データ処理装置の第1環境を示す第1環境情報を受信する受信処理と、
前記受信処理によって受信された第1環境情報と、前記管理対象の1つである第2データ処理装置の第2環境を示す第2環境情報と、の関連度を示す関連情報を生成する第1生成処理と、
前記第1生成処理によって生成された関連情報と、前記第2環境で前記第2データ処理装置が推論に用いる第2学習済みモデルと、に基づいて、前記第1環境で前記第1データ処理装置が推論に用いる第1学習済みモデルを生成する第2生成処理と、
前記第2生成処理によって生成された第1学習済みモデルを前記第1データ処理装置に送信する送信処理と、を実行させ、
前記第1環境情報および前記第2環境情報は、前記第1環境情報および前記第2環境情報に共通の環境を規定する複数の環境項目の値を有し、
前記複数の環境項目の各々には、前記環境項目の重要度が設定されており、
前記第1生成処理では、前記プロセッサに、前記第1環境情報および前記第2環境情報の間において同一の環境項目の値の一致数および前記環境項目の重要度に基づいて、前記関連情報を生成させる、
ことを特徴とする管理プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019139086A JP7231511B2 (ja) | 2019-07-29 | 2019-07-29 | 管理装置、管理方法、および管理プログラム |
EP20186830.4A EP3772024A1 (en) | 2019-07-29 | 2020-07-21 | Management device, management method, and management program |
US16/937,262 US11388223B2 (en) | 2019-07-29 | 2020-07-23 | Management device, management method, and management program |
SG10202007042XA SG10202007042XA (en) | 2019-07-29 | 2020-07-23 | Management device, management method, and management program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019139086A JP7231511B2 (ja) | 2019-07-29 | 2019-07-29 | 管理装置、管理方法、および管理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021022231A JP2021022231A (ja) | 2021-02-18 |
JP7231511B2 true JP7231511B2 (ja) | 2023-03-01 |
Family
ID=71738010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019139086A Active JP7231511B2 (ja) | 2019-07-29 | 2019-07-29 | 管理装置、管理方法、および管理プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11388223B2 (ja) |
EP (1) | EP3772024A1 (ja) |
JP (1) | JP7231511B2 (ja) |
SG (1) | SG10202007042XA (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7022173B2 (ja) * | 2020-06-09 | 2022-02-17 | 株式会社日立製作所 | コンピューティングサービス管理装置、方法、およびプログラム |
WO2023013131A1 (ja) * | 2021-08-04 | 2023-02-09 | コニカミノルタ株式会社 | 情報処理システムおよび情報処理プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015207105A (ja) | 2014-04-18 | 2015-11-19 | Necフィールディング株式会社 | 情報処理装置、情報処理システム、情報処理方法、及びプログラム |
US20160217387A1 (en) | 2015-01-22 | 2016-07-28 | Preferred Networks, Inc. | Machine learning with model filtering and model mixing for edge devices in a heterogeneous environment |
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 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8421859B2 (en) * | 2008-04-24 | 2013-04-16 | GM Global Technology Operations LLC | Clear path detection using a hierachical approach |
US8509982B2 (en) * | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
US8706416B2 (en) * | 2012-04-03 | 2014-04-22 | Ford Global Technologies, Llc | System and method for determining a vehicle route |
CN107067015B (zh) | 2016-10-27 | 2020-09-11 | 武汉烽火众智数字技术有限责任公司 | 一种基于多特征深度学习的车辆检测方法及装置 |
US10013773B1 (en) * | 2016-12-16 | 2018-07-03 | Waymo Llc | Neural networks for object detection |
US10032111B1 (en) * | 2017-02-16 | 2018-07-24 | Rockwell Collins, Inc. | Systems and methods for machine learning of pilot behavior |
US11308391B2 (en) * | 2017-03-06 | 2022-04-19 | Baidu Usa Llc | Offline combination of convolutional/deconvolutional and batch-norm layers of convolutional neural network models for autonomous driving vehicles |
US11501139B2 (en) * | 2017-05-03 | 2022-11-15 | Intel Corporation | Scaling half-precision floating point tensors for training deep neural networks |
US10572773B2 (en) * | 2017-05-05 | 2020-02-25 | Intel Corporation | On the fly deep learning in machine learning for autonomous machines |
US10060751B1 (en) * | 2017-05-17 | 2018-08-28 | Here Global B.V. | Method and apparatus for providing a machine learning approach for a point-based map matcher |
US10346724B2 (en) * | 2017-06-22 | 2019-07-09 | Waymo Llc | Rare instance classifiers |
US10031526B1 (en) * | 2017-07-03 | 2018-07-24 | Baidu Usa Llc | Vision-based driving scenario generator for autonomous driving simulation |
US10474161B2 (en) * | 2017-07-03 | 2019-11-12 | Baidu Usa Llc | High resolution 3D point clouds generation from upsampled low resolution lidar 3D point clouds and camera images |
US10957201B2 (en) * | 2017-09-15 | 2021-03-23 | Qualcomm Incorporated | System and method for relative positioning based safe autonomous driving |
US11250336B2 (en) | 2017-12-28 | 2022-02-15 | Intel Corporation | Distributed and contextualized artificial intelligence inference service |
US10785297B2 (en) * | 2018-10-23 | 2020-09-22 | International Business Machines Corporation | Intelligent dataset migration and delivery to mobile internet of things devices using fifth-generation networks |
US10928826B2 (en) * | 2018-10-26 | 2021-02-23 | Lyft, Inc. | Sensor fusion by operations-control vehicle for commanding and controlling autonomous vehicles |
US11373099B2 (en) | 2018-12-28 | 2022-06-28 | Intel Corporation | Artificial intelligence inference architecture with hardware acceleration |
KR20190094128A (ko) * | 2019-07-23 | 2019-08-12 | 엘지전자 주식회사 | IoT 기기 정보 제공 방법, IoT 기기 정보 제공 장치 및 지능형 컴퓨팅 디바이스 |
US11409697B2 (en) * | 2019-08-18 | 2022-08-09 | Capitis Solutions Inc. | Efficient configuration compliance verification of resources in a target environment of a computing system |
-
2019
- 2019-07-29 JP JP2019139086A patent/JP7231511B2/ja active Active
-
2020
- 2020-07-21 EP EP20186830.4A patent/EP3772024A1/en active Pending
- 2020-07-23 US US16/937,262 patent/US11388223B2/en active Active
- 2020-07-23 SG SG10202007042XA patent/SG10202007042XA/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015207105A (ja) | 2014-04-18 | 2015-11-19 | Necフィールディング株式会社 | 情報処理装置、情報処理システム、情報処理方法、及びプログラム |
US20160217387A1 (en) | 2015-01-22 | 2016-07-28 | Preferred Networks, Inc. | Machine learning with model filtering and model mixing for edge devices in a heterogeneous environment |
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 |
Also Published As
Publication number | Publication date |
---|---|
US11388223B2 (en) | 2022-07-12 |
US20210037084A1 (en) | 2021-02-04 |
EP3772024A1 (en) | 2021-02-03 |
SG10202007042XA (en) | 2021-02-25 |
JP2021022231A (ja) | 2021-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210248651A1 (en) | Recommendation model training method, recommendation method, apparatus, and computer-readable medium | |
Dong et al. | Integrating experts' weights generated dynamically into the consensus reaching process and its applications in managing non-cooperative behaviors | |
US11029961B2 (en) | Calculating wait time for batch scheduler jobs | |
US8818922B2 (en) | Method and apparatus for predicting application performance across machines with different hardware configurations | |
KR102342678B1 (ko) | 개인화 컨텐츠 추천을 위한 실시간 그래프기반 임베딩 구축 방법 및 시스템 | |
CN109726813A (zh) | 任务的强化和模仿学习 | |
CN109690576A (zh) | 在多个机器学习任务上训练机器学习模型 | |
JP6723233B2 (ja) | データ許可を制御する方法及び装置 | |
JP7231511B2 (ja) | 管理装置、管理方法、および管理プログラム | |
AU2020333769A1 (en) | Automated path-based recommendation for risk mitigation | |
JP2021532457A (ja) | 知能客体強化学習方法、装置、デバイス、及び媒体 | |
JP6892424B2 (ja) | ハイパーパラメータチューニング方法、装置及びプログラム | |
CN110114784A (zh) | 递归神经网络 | |
CN110447041A (zh) | 噪声神经网络层 | |
Yan et al. | Adaptive primal-dual stochastic gradient method for expectation-constrained convex stochastic programs | |
Iutzeler et al. | Asynchronous level bundle methods | |
JP5896862B2 (ja) | テスト装置及びテスト方法及びプログラム | |
Wang et al. | A double extrapolation primal-dual algorithm for saddle point problems | |
JP2021144461A (ja) | 学習装置及び推論装置 | |
CN117056595A (zh) | 一种交互式的项目推荐方法、装置及计算机可读存储介质 | |
Wang et al. | Learning elastic constitutive material and damping models | |
US8531734B2 (en) | Cluster model for controlling color in a color marking device | |
AU2021467490A1 (en) | Power graph convolutional network for explainable machine learning | |
Pessin et al. | Investigation on the evolution of an indoor robotic localization system based on wireless networks | |
KR102261055B1 (ko) | 클릭율 최대화를 위한 이미지 디자인 파라미터 최적화 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220210 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221128 |
|
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: 20230124 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230216 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7231511 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |