JP7347547B2 - イベント分析支援装置、イベント分析支援方法、及びプログラム - Google Patents
イベント分析支援装置、イベント分析支援方法、及びプログラム Download PDFInfo
- Publication number
- JP7347547B2 JP7347547B2 JP2021573659A JP2021573659A JP7347547B2 JP 7347547 B2 JP7347547 B2 JP 7347547B2 JP 2021573659 A JP2021573659 A JP 2021573659A JP 2021573659 A JP2021573659 A JP 2021573659A JP 7347547 B2 JP7347547 B2 JP 7347547B2
- Authority
- JP
- Japan
- Prior art keywords
- event
- information
- feature
- analysis support
- 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
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3447—Performance evaluation by modeling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/86—Event-based monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力する、所属度出力部と、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力する、特徴候補情報出力部と、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力する、特徴情報出力部と、
を有することを特徴とする。
システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力する、所属度出力ステップと、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力する、特徴候補情報出力ステップと、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力する、特徴情報出力ステップと、
を有することを特徴とする。
コンピュータに、
システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力する、所属度出力ステップと、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力する、特徴候補情報出力ステップと、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力する、特徴情報出力ステップと、
を実行させることを特徴とする。
以下、図面を参照して、本発明の実施形態を説明する。なお、以下で説明する図面において、同一の機能又は対応する機能を有する要素には同一の符号を付し、その繰り返しの説明は省略することもある。
最初に、図1を用いて、本実施形態におけるイベント分析支援装置1の構成について説明する。図1は、イベント分析支援装置の一例を説明するための図である。図1に示すイベント分析支援装置1は、システムにおいて、対象とするイベント系列にノイズイベントが混在していても、イベント分析を精度よく行うことができる装置である。
Fi1=(1-b1)Fi1+b1・Fc1
Fi1=0.2・(1,1,1,1)+0.8・(1,2,3,4)
=(1.0,1.8,2.6,3.4)
Fi2=(1-b2)Fi2+b2・Fc2
Fi2=0.9・(2,2,2,2)+0.1・(5,6,7,8)
=(2.3,2.4,2.5,2.6)
Fi3=(1-b3)Fi3+b3・Fc3
Fi3=0.9・(3,3,3,3)+0.1・(-1,-2,-3,-4)
=(2.6,2.5,2.4,2.3)
続いて、図2、図3を用いて、本実施形態におけるイベント分析支援装置1の構成をより具体的に説明する。図2は、イベント分析支援装置の運用時の一例を説明するための図である。図3は、イベント分析支援装置の学習時の一例を説明するための図である。
取得部5は、運用時において、対象のシステムにおいて発生したイベントを取得する。具体的には、まず、取得部5は、システムのネットワークを流れるパケット、又はログファイル、又はそれら両方を取得する。続いて、取得部5は、パケット、又はログファイル、又はそれら両方を用いて、イベントを検知する。続いて、取得部5は、検知したイベントを所属度出力部2及び特徴候補情報出力部3へ出力する。
学習部8は、システムにおいて過去に発生したイベント系列を用いて、所属度出力部2と、特徴候補情報出力部3と、特徴情報出力部4と、分析結果出力部6とを学習する。具体的には、まず、イベント分析支援装置1に、過去に発生したイベント系列(例えば、正常運転時において取得したイベント系列などの学習データ)を入力する。続いて、学習部8は、所属度出力部2、特徴候補情報出力部3、特徴情報出力部4、分析結果出力部6それぞれから出力された情報を取得する。続いて、学習部8は、出力された情報を用いて、所属度出力モデル、特徴候補情報出力モデル、特徴情報出力モデル、分析モデルを学習する。
次に、本発明の実施形態におけるイベント分析支援装置の動作について図9、図10を用いて説明する。図9は、運用時のイベント分析支援装置の動作の一例を説明するための図である。図10は、学習時のイベント分析支援装置の動作の一例を説明するための図である。以下の説明においては、適宜図1から図8を参照する。また、本実施形態では、イベント分析支援装置を動作させることによって、イベント分析支援方法が実施される。よって、本実施形態におけるイベント分析支援方法の説明は、以下のイベント分析支援装置の動作説明に代える。
図9に示すように、最初に、取得部5は、運用時において、対象のシステムにおいて発生したイベントを取得する(ステップA1)。具体的には、ステップA1において、まず、取得部5は、システムのネットワークを流れるパケット、又はログファイル、又はそれら両方を取得する。続いて、ステップA1において、取得部5は、パケット、又はログファイル、又はそれら両方を用いて、イベントを検知する。続いて、ステップA1において、取得部5は、検知したイベントを所属度出力部2及び特徴候補情報出力部3へ出力する。
図10に示すように、最初に、過去に発生したイベント系列(例えば、正常運転時において取得したイベント系列などの学習データ)をイベント分析支援装置1に入力する(ステップB1)。
以上のように本実施形態によれば、イベントの所属度と、既に生成されている特徴情報と、新たに生成された特徴候補情報とを用いて、イベント種別ごとの特徴情報を更新する。そのため、所属度の大小関係と、新たな特徴情報に対する特徴候補情報の寄与の大小関係とを一致させ、ノイズイベントによって生成される特徴候補情報の寄与を抑制するので、イベント系列にノイズイベントが混在していても、特徴情報に対するノイズイベントの影響が低減できる。
本発明の実施形態におけるプログラムは、コンピュータに、図9に示すステップA1からA7、図10に示すステップB1からB3を実行させるプログラムであればよい。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、本実施形態におけるイベント分析支援装置とイベント分析支援方法とを実現することができる。この場合、コンピュータのプロセッサは、取得部5、所属度出力部2、特徴候補情報出力部3、特徴情報出力部4、分析結果出力部6、出力情報生成部7、学習部8として機能し、処理を行なう。
ここで、実施形態におけるプログラムを実行することによって、イベント分析支援装置を実現するコンピュータについて図11を用いて説明する。図11は、本発明の実施形態におけるイベント分析支援装置を実現するコンピュータの一例を示すブロック図である。
以上の実施形態に関し、更に以下の付記を開示する。上述した実施形態の一部又は全部は、以下に記載する(付記1)から(付記18)により表現することができるが、以下の記載に限定されるものではない。
システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力する、所属度出力部と、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力する、特徴候補情報出力部と、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力する、特徴情報出力部と、
を有するイベント分析支援装置。
付記1に記載のイベント分析支援装置であって、
あらかじめ設定された分析モデルに前記特徴情報を入力して分析結果を出力する、分析結果出力部を有する
ことを特徴とするイベント分析支援装置。
付記1又は2に記載のイベント分析支援装置であって、
前記イベント情報は、前記イベントの種別を表す識別情報、又は前記システムの状態を表す状態情報、又は前記イベントと他のイベントとの時間間隔を表す間隔情報、又は前記識別情報及び前記状態情報及び前記間隔情報のうち二つ以上を組み合わせた情報を有する
ことを特徴とするイベント分析支援装置。
付記1から3のいずれかに記載のイベント分析支援装置であって、
前記所属度の大小関係と、新たな特徴情報に対する特徴候補情報の寄与の大小関係とが一致する
ことを特徴とするイベント分析支援装置。
付記1から4のいずれか一つに記載のイベント分析支援装置であって、
前記イベント種別の数を、実際のイベントのパターン数以下にする
ことを特徴とするイベント分析支援装置。
付記1から5のいずれか一つに記載のイベント分析支援装置であって、
前記システムにおいて過去に発生したイベント系列を用いて、前記所属度出力部と、特徴候補情報出力部と、特徴情報出力部とで用いるモデルそれぞれを学習する、学習部
を有することを特徴とするイベント分析支援装置。
システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力する、所属度出力ステップ、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力する、特徴候補情報出力ステップと、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力する、特徴情報出力ステップと
を有することを特徴とするイベント分析支援方法。
付記7に記載のイベント分析支援方法であって、
あらかじめ設定された分析モデルに前記特徴情報を入力して分析結果を出力する、分析結果出力ステップ
を有することを特徴とるイベント分析支援方法。
付記7又は8に記載のイベント分析支援方法であって、
前記イベント情報は、前記イベントの種別を表す識別情報、又は前記システムの状態を表す状態情報、又は前記イベントと他のイベントとの時間間隔を表す間隔情報、又は前記識別情報及び前記状態情報及び前記間隔情報のうち二つ以上を組み合わせた情報を有する
ことを特徴とするイベント分析支援方法。
付記7から9のいずれか一つに記載のイベント分析支援方法であって、
前記所属度の大小関係と、新たな特徴情報に対する特徴候補情報の寄与の大小関係とが一致する
ことを特徴とするイベント分析支援方法。
付記7から10のいずれか一つに記載のイベント分析支援方法であって、
前記イベント種別の数を、実際のイベントのパターン数以下にする
ことを特徴とするイベント分析支援方法。
付記7から11のいずれか一つに記載のイベント分析支援方法であって、
前記システムにおいて過去に発生したイベント系列を用いて、所属度、特徴候補情報、特徴情報を出力するモデルそれぞれを学習する、学習ステップ
を有することを特徴とするイベント分析支援方法。
コンピュータに、
システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力する、所属度出力ステップと、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力する、特徴候補情報出力ステップと、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力する、特徴情報出力ステップと
を実行させる命令を含むプログラム。
付記13に記載のプログラムであって、
前記プログラムが、前記コンピュータに、
あらかじめ設定された分析モデルに前記特徴情報を入力して分析結果を出力する、分析結果出力ステップ
を実行させる命令を含むプログラム。
付記13又は14に記載のプログラムであって、
前記イベント情報は、前記イベントの種別を表す識別情報、又は前記システムの状態を表す状態情報、又は前記イベントと他のイベントとの時間間隔を表す間隔情報、又は前記識別情報及び前記状態情報及び前記間隔情報のうち二つ以上を組み合わせた情報を有する
ことを特徴とするプログラム。
付記13から15のいずれか一つに記載のプログラムであって、
前記所属度の大小関係と、新たな特徴情報に対する特徴候補情報の寄与の大小関係とが一致する
ことを特徴とするプログラム。
付記13から16のいずれか一つに記載のプログラムであって、
前記イベント種別の数を、実際のイベントのパターン数以下にする
ことを特徴とするプログラム。
付記13から17のいずれか一つに記載のプログラムであって、
前記プログラムが、前記コンピュータに、
前記システムにおいて過去に発生したイベント系列を用いて、所属度、特徴候補情報、特徴情報を出力するモデルそれぞれを学習する、学習ステップ
を実行させる命令を含むプログラム。
2 所属度出力部
3 特徴候補情報出力部
4 特徴情報出力部
5 取得部
6 分析結果出力部
7 出力情報生成部
8 学習部
20 出力装置
30 記憶装置
40 排水制御システム
41 注水ポンプ
42 貯水槽
43 排水弁
44 排水ポンプ
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 (18)
- システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力する、所属度出力手段と、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力する、特徴候補情報出力手段と、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力する、特徴情報出力手段と、
を有するイベント分析支援装置。 - 請求項1に記載のイベント分析支援装置であって、
あらかじめ設定された分析モデルに前記特徴情報を入力して分析結果を出力する、分析結果出力手段を有する
ことを特徴とするイベント分析支援装置。 - 請求項1又は2に記載のイベント分析支援装置であって、
前記イベント情報は、前記イベントの種別を表す識別情報、又は前記システムの状態を表す状態情報、又は前記イベントと他のイベントとの時間間隔を表す間隔情報、又は前記識別情報及び前記状態情報及び前記間隔情報のうち二つ以上を組み合わせた情報を有する
ことを特徴とするイベント分析支援装置。 - 請求項1から3のいずれかに記載のイベント分析支援装置であって、
前記所属度の大小関係と、新たな特徴情報に対する特徴候補情報の寄与の大小関係とが一致する
ことを特徴とするイベント分析支援装置。 - 請求項1から4のいずれか一つに記載のイベント分析支援装置であって、
前記イベント種別の数を、実際のイベントのパターン数以下にする
ことを特徴とするイベント分析支援装置。 - 請求項1から5のいずれか一つに記載のイベント分析支援装置であって、
前記システムにおいて過去に発生したイベント系列を用いて、前記所属度出力手段と、
特徴候補情報出力手段と、特徴情報出力手段とで用いるモデルそれぞれを学習する、学習手段
を有することを特徴とするイベント分析支援装置。 - コンピュータが、
システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力し、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力し、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力する
ことを特徴とするイベント分析支援方法。 - 請求項7に記載のイベント分析支援方法であって、
前記コンピュータが、
あらかじめ設定された分析モデルに前記特徴情報を入力して分析結果を出力する
ことを特徴とるイベント分析支援方法。 - 請求項7又は8に記載のイベント分析支援方法であって、
前記イベント情報は、前記イベントの種別を表す識別情報、又は前記システムの状態を表す状態情報、又は前記イベントと他のイベントとの時間間隔を表す間隔情報、又は前記識別情報及び前記状態情報及び前記間隔情報のうち二つ以上を組み合わせた情報を有する
ことを特徴とするイベント分析支援方法。 - 請求項7から9のいずれか一つに記載のイベント分析支援方法であって、
前記所属度の大小関係と、新たな特徴情報に対する特徴候補情報の寄与の大小関係とが一致する
ことを特徴とするイベント分析支援方法。 - 請求項7から10のいずれか一つに記載のイベント分析支援方法であって、
前記イベント種別の数を、実際のイベントのパターン数以下にする
ことを特徴とするイベント分析支援方法。 - 請求項7から11のいずれか一つに記載のイベント分析支援方法であって、
前記コンピュータが、
前記システムにおいて過去に発生したイベント系列を用いて、所属度、特徴候補情報、特徴情報を出力するモデルそれぞれを学習する
ことを特徴とするイベント分析支援方法。 - コンピュータに、
システムにおいて発生するイベントに関するイベント情報が、あらかじめ設定された複数のイベント種別それぞれに所属する所属度を出力させ、
新たに発生したイベントのイベント情報と、前記イベント種別ごとに既に生成されている前記イベント間の特徴を表す特徴情報とを用いて、前記イベント種別ごとに特徴候補情報を出力させ、
前記特徴情報と前記特徴候補情報と前記所属度とを用いて、前記イベント種別ごとに新たな特徴情報に出力させる
命令を含むプログラム。 - 請求項13に記載のプログラムであって、
前記プログラムが、前記コンピュータに、
あらかじめ設定された分析モデルに前記特徴情報を入力して分析結果を出力させる
命令を含むプログラム。 - 請求項13又は14に記載のプログラムであって、
前記イベント情報は、前記イベントの種別を表す識別情報、又は前記システムの状態を表す状態情報、又は前記イベントと他のイベントとの時間間隔を表す間隔情報、又は前記識別情報及び前記状態情報及び前記間隔情報のうち二つ以上を組み合わせた情報を有する
ことを特徴とするプログラム。 - 請求項13から15のいずれか一つに記載のプログラムであって、
前記所属度の大小関係と、新たな特徴情報に対する特徴候補情報の寄与の大小関係とが一致する
ことを特徴とするプログラム。 - 請求項13から16のいずれか一つに記載のプログラムであって、
前記イベント種別の数を、実際のイベントのパターン数以下にする
ことを特徴とするプログラム。 - 請求項13から17のいずれか一つに記載のプログラムであって、
前記プログラムが、前記コンピュータに、
前記システムにおいて過去に発生したイベント系列を用いて、所属度、特徴候補情報、特徴情報を出力するモデルそれぞれを学習させる
命令を含むプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/002951 WO2021152689A1 (ja) | 2020-01-28 | 2020-01-28 | イベント分析支援装置、方法及び記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021152689A1 JPWO2021152689A1 (ja) | 2021-08-05 |
JPWO2021152689A5 JPWO2021152689A5 (ja) | 2022-09-21 |
JP7347547B2 true JP7347547B2 (ja) | 2023-09-20 |
Family
ID=77078677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021573659A Active JP7347547B2 (ja) | 2020-01-28 | 2020-01-28 | イベント分析支援装置、イベント分析支援方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230049871A1 (ja) |
JP (1) | JP7347547B2 (ja) |
WO (1) | WO2021152689A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014134991A (ja) | 2013-01-11 | 2014-07-24 | Canon Inc | パターン抽出装置および制御方法 |
-
2020
- 2020-01-28 WO PCT/JP2020/002951 patent/WO2021152689A1/ja active Application Filing
- 2020-01-28 JP JP2021573659A patent/JP7347547B2/ja active Active
- 2020-01-28 US US17/792,881 patent/US20230049871A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014134991A (ja) | 2013-01-11 | 2014-07-24 | Canon Inc | パターン抽出装置および制御方法 |
Non-Patent Citations (1)
Title |
---|
佐藤晃矢ほか,イベント時系列を利用したソーシャルネットワークサービスにおける新規ユーザーの離脱予測,一般社団法人人工知能学会第32回全国大会論文集DVD,2018年06月05日 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021152689A1 (ja) | 2021-08-05 |
WO2021152689A1 (ja) | 2021-08-05 |
US20230049871A1 (en) | 2023-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10733536B2 (en) | Population-based learning with deep belief networks | |
JP7223839B2 (ja) | 異常検出および/または予知保全のためのコンピュータ実装方法、コンピュータプログラム製品およびシステム | |
US11720821B2 (en) | Automated and customized post-production release review of a model | |
JP6740247B2 (ja) | 異常検出システム、異常検出方法、異常検出プログラム及び学習済モデル生成方法 | |
US9245235B2 (en) | Integrated approach to model time series dynamics in complex physical systems | |
CN112154418A (zh) | 异常检测 | |
EP3183622B1 (en) | Population-based learning with deep belief networks | |
WO2020046261A1 (en) | Systematic prognostic analysis with dynamic causal model | |
EP4000234A1 (en) | Method and device for detecting anomalies, corresponding computer program product and non-transitory computer-readable carrier medium | |
US20230401141A1 (en) | Application state prediction using component state | |
CN112148768A (zh) | 一种指标时间序列异常检测方法、系统及存储介质 | |
US20220011760A1 (en) | Model fidelity monitoring and regeneration for manufacturing process decision support | |
US20210081800A1 (en) | Method, device and medium for diagnosing and optimizing data analysis system | |
JP7207540B2 (ja) | 学習支援装置、学習支援方法、及びプログラム | |
Fisch et al. | Real time anomaly detection and categorisation | |
CN117094184B (zh) | 基于内网平台的风险预测模型的建模方法、系统及介质 | |
JP7347547B2 (ja) | イベント分析支援装置、イベント分析支援方法、及びプログラム | |
US20230186053A1 (en) | Machine-learning based behavior modeling | |
EP3454259A1 (en) | Autonomous agent system | |
Zhu et al. | Generic process visualization using parametric t-SNE | |
JP7331938B2 (ja) | 学習装置、推定装置、学習方法及び学習プログラム | |
KR20230072920A (ko) | 오염된 IoT 데이터 환경에서 비지도 이상 감지 모델을 위한 반복적 학습 방법 및 장치 | |
KR102619793B1 (ko) | Ai 기반 안전 센서 이상치 감지 및 알람 분류 방법, 컴퓨팅 장치 및 컴퓨터 프로그램 | |
Boulmaiz et al. | On Completeness-Aware Reasoning in Case-Based Reasoning | |
WO2024043888A1 (en) | Real time detection, prediction and remediation of machine learning model drift in asset hierarchy based on time-series data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220714 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220714 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230620 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230725 |
|
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: 20230808 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230821 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7347547 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |