「learning matrix」に関連した英語例文の一覧と使い方 - Weblio英語例文検索

COMMUNICATION SYSTEM USING CORRELATION MATRIX, CORRELATION MATRIX LEARNING METHOD, APPARATUS AND PROGRAM例文帳に追加

相関行列を利用した通信システム、相関行列学習方法、相関行列学習装置及びプログラム - 特許庁

Learning processing by an independent component analysis method is applied to the band which is classified into the learning band group by the separation matrix arithmetic section 11 and a learning separation matrix WG(f_g) is calculated.例文帳に追加

学習帯域群に分類された分割帯域については、分離行列演算部１１によって独立成分分析法による学習処理を行い学習分離行列ＷＧ(ｆ_g)を求める。 - 特許庁

To generate a suitable transformation matrix even when there is a difference in the number of learning patterns between classes.例文帳に追加

クラス間で学習パターン数に差があっても、適切な変換行列を生成する。 - 特許庁

To provide a method for learning a correlation matrix, which obtains an optimum correlation matrix at an optimum threshold to ensure a sufficient margin against bit errors among all code words by stepwise increasing the threshold at learning of the correlation matrix as the learning progresses.例文帳に追加

相関行列学習時の閾値を学習が進むにつれて段階的に大きくして、全ての符号語間において十分なビットエラーに対するマージンを確保する最適な閾値にて最適な相関行列を得る相関行列学習方法を提供する。 - 特許庁

A first learning portion 54 generates the separation matrix WA(fk) of the first frequency fA by a primary learning processing utilizing learning data D(fk) of the first frequency fA.例文帳に追加

第１学習部５４は、第１周波数ｆAの学習データＤ(fk)を利用した１次学習処理で第１周波数ｆAの分離行列ＷA(fk)を生成する。 - 特許庁

When approximately factorizing learning data 110 into a basis matrix F and a transposed matrix G^T of a coefficient matrix G, the basis matrix F and the coefficient matrix G are forcibly revised by using teaching label data 120 representing a category of the learning data so that the learning data 110 belonging to the same category approach in subspace defined by the basis matrix F and the learning data belonging to a different category separate in the subspace.例文帳に追加

学習データ１１０を基底行列Ｆと係数行列Ｇの転置行列Ｇ^Ｔとに近似により分解する際に、学習データのカテゴリを示す教示ラベルデータ１２０を用いて、同じカテゴリに属する学習データ１１０が、基底行列Ｆにより定められる部分空間において接近し、異なるカテゴリに属する学習データが部分空間において離間するように、基底行列Ｆと係数行列Ｇとを強制的に修正する。 - 特許庁

When the update value of the correlation matrix is zero, it is considered that an optimum threshold and an optimum correlation matrix are obtained and the learning is completed.例文帳に追加

相関行列の更新値が０になったとき、最適な閾値及び最適な相関行列が得られたとして学習を終了する。 - 特許庁

A second learning portion 66 generates the separation matrix WB(fk) of the second frequency fB by carrying out secondary learning processing applying the learning data D(fk) of the second frequency fB by the number of occurrence smaller than the primary learning processing while using the initial separation matrix WB^"0"(fk) as an initial value.例文帳に追加

第２学習部６６は、第２周波数ｆBの学習データＤ(fk)を適用した２次学習処理を、初期分離行列ＷB^[0](fk)を初期値として１次学習処理よりも少ない反復回数で実行して第２周波数ｆBの分離行列ＷB(fk)を生成する。 - 特許庁

A learning supervisory section 18 updates the correlation matrix on the basis of the result of comparison by the comparison section.例文帳に追加

学習度監視部１８は、比較部の比較結果に基づき相関行列を更新する。 - 特許庁

Moreover, a separation matrix W(f) for separating signals X_1(f, t), X_2(f, t) into signals Y_1(f, t), Y_2(f, t) is calculated by interpolating the learning separation matrix WG(f_g) with the interpolation separation matrix WH(f_h).例文帳に追加

さらに、学習分離行列ＷＧ(ｆ_g)を補間分離行列ＷＨ(ｆ_h)で補完して、信号Ｘ_1(f,t)，Ｘ_2(f,t)を信号Ｙ_1(f,t)，Ｙ_2(f,t)に分離する分離行列Ｗ(f)を求める。 - 特許庁

A recognition matrix is tested using the factor of the learning vector and the biological parameter is noninvasively measured.例文帳に追加

学習ベクトルの係数を用いて、認識行列が試験されて、バイオパラメータを非侵襲的に測定する。 - 特許庁

A learning processor 44 determines the separation matrix W(fk) of the frequency fk by learning an initial separation matrix W0(fk) using the observed data D(fk) of the frequency fk which is selected by the frequency selector 54.例文帳に追加

学習処理部４４は、周波数選択部５４が選択した周波数ｆkの観測データＤ(fk)を使用した初期分離行列Ｗ0(fk)の学習で当該周波数ｆkの分離行列Ｗ(fk)を決定する。 - 特許庁

A feature extraction matrix is obtained from the prepared model pattern vector and from the feature extraction matrix, its representative feature amount vector is obtained to be stored in a learning means 4.例文帳に追加

作成したモデルパターンベクトルから特徴抽出行列を求め、前記特徴抽出行列からその代表特徴量ベクトルとを求め学習手段４に蓄積する。 - 特許庁

A method where a matrix forming section 46 forms a first stage separation matrix W0(fk), and a method where a learning processing section 24 learns a separation matrix W(fk), are selected according to a result of determination of the determining section 26.例文帳に追加

行列生成部４６が初期的な分離行列Ｗ0(fk)を生成する方法や、学習処理部２４が分離行列Ｗ(fk)を学習する方法は、判定部２６による判定の結果に応じて選定される。 - 特許庁

After the designated time elapses, the state shifts to being learning, a learning processing loop is executed until the separation matrix W is converged (or the number of fixed times), and a separation matrix corresponding to observation signals stored in the state of being storing is calculated.例文帳に追加

指定された時間が経過した後、状態は、学習中に遷移し、分離行列Wが収束するまで（または一定回数）学習処理ループが実行され、蓄積中の状態において蓄積された観測信号に対応した分離行列が求められる。 - 特許庁

Furthermore, when the arithmetic result using the correlation matrix after the update is not within a prescribed range and the arithmetic result before the update is equal to the arithmetic result after the update, the update value of the correlation matrix is decreased and the learning is repeated.例文帳に追加

また、更新後の相関行列を用いた演算結果が所定の範囲になく、更新前と後の演算結果が等しければ、相関行列の更新値を小さくして、学習動作を繰り返す。 - 特許庁

By using a feature amount similarly generated from a reference learning brain data group 17a inputted from a reference learning brain wave data group input part 17 on the other hand, a reference data space calculating part 18 calculates the inverse matrix of average, variant and correlative matrixes of the reference learning brain wave data group and defines the result as a reference data space.例文帳に追加

一方、基準学習脳波データ群入力部１７より入力された基準学習脳波データ群１７ａから同様に生成された特徴量を用いて、基準データ空間算出部１８が基準学習脳波データ群の平均、分散、相関行列の逆行列を算出し、これを基準データ空間とする。 - 特許庁

An index calculator 52 calculates an index value of significance of learning of the separation matrix W(fk) which uses the observation data D(fk) of each frequency fk from the observed data D(fk).例文帳に追加

指標算定部５２は、各周波数ｆkの観測データＤ(fk)を使用した分離行列Ｗ(fk)の学習の有意性の指標値を当該観測データＤ(fk)から算定する。 - 特許庁

A statistic calculating part 101 finds the statistic of a feature vector extracted from the learning pattern of each class (average vector and sample covariance matrix of each class).例文帳に追加

統計量算出部１０１は、各クラスの学習パターンから抽出される特徴ベクトルの統計量（各クラスの平均ベクトルと標本分散行列）を求める。 - 特許庁

In the case that the time length of the second time domain signal S1 is set shorter than that of a first time domain signal S0, matrix elements of a first separation matrix obtained by learning computation are aggregated by a plurality of groups, for setting a second separation matrix for use in filter processing.例文帳に追加

ここで、第２時間領域信号Ｓ１の時間長が、第１時間領域信号Ｓ０の時間長よりも短く設定されている場合、学習計算により得られる第１分離行列の行列要素を、複数のグループごとに集約することにより、フィルタ処理で用いる第２分離行列を設定する。 - 特許庁

Representative intermediate eigenspace coefficient vectors (#15-c) are found from the coefficient vector group in accordance with a learning representative number, and an eigenprojection matrix (#17) and a projection nuclear tensor (#18) are recreated on the basis of a determined representative learning image group (#15-d), and used in a restoration step.例文帳に追加

この係数ベクトル群から学習代表数にしたがって代表中間固有空間係数ベクトル（#15-c）を求め、決定した代表学習画像群（#15-d）に基づいて固有射影行列(#17)と射影核テンソル（#18）を再作成し、これを復元ステップに利用する。 - 特許庁

After updating all the code words, when the result of the arithmetic operation using the correlation matrix after the update is within a prescribed range, the threshold is revised and the learning of all the code words is again repeated.例文帳に追加

全ての符号語について更新を行った後、更新後の相関行列を用いた演算結果が所定の範囲内にあれば、閾値を変更し、再度、全ての符号語について学習動作を繰り返す。 - 特許庁

An eigenprojection matrix (#14) and a projection nuclear tensor (#16) are generated (#12) from a learning image group (#10), in which high quality images and low quality images are paired up, and a first sub nuclear tensor and a second sub nuclear tensor are created from the projection nuclear tensor (#16) (#24 and #26).例文帳に追加

高画質画像と低画質画像とを対とした学習画像群（#10）から固有射影行列（#14）と射影核テンソル（#16）を生成し（#12）、この射影核テンソル（#16）から第１のサブ核テンソルと第２のサブ核テンソルを生成する（#24,#26）。 - 特許庁

A first sub nuclear tensor is created (#12-c) by first setting from the temporary projection nuclear tensor, and intermediate eigenspace coefficient vectors (#15-b) are calculated by projecting the learning image group using the temporary eigenprojection matrix and the first sub nuclear tensor (#15-a).例文帳に追加

この仮射影核テンソルから第１の設定で第１のサブ核テンソルを作成し(#12-c)、仮固有射影行列と第１のサブ核テンソルで学習画像群を射影（#15-a）して中間固有空間係数ベクトル(#15-b)を算出する。 - 特許庁

A learning operation part 4 defines a characteristics extraction matrix for calculating a characteristic vector optimal individual identification from a master image of a master image storing part 2 and an image of a person himself used for collation at an inputted reference image storing part 3 in the past.例文帳に追加

マスター画像保存部２のマスター画像と、入力参考画像保存部３の過去に照合に使われた本人画像とから、学習演算部４で、個人識別に最適な特徴ベクトルを算出するための特徴抽出行列を求める。 - 特許庁

In determination of the classification, a calculated (steps S21-S24) characteristic vector of an inspection sample is basically converted with the basic conversion matrix obtained in learning (step S25), and similarity to the respective classes of the teacher sample is compared (step S26) while the number of dimension is compressed.例文帳に追加

分類判定時には、検査サンプルの特徴ベクトルを算出した後（ステップＳ２１〜Ｓ２４）、学習時に得た基底変換行列でこれを基底変換し（ステップＳ２５）、次元数を圧縮した状態で教師サンプルの各クラスとの類似度を比較する（ステップＳ２６）。 - 特許庁

A discriminating feature extracting means 104 calculates a covariance matrix S_B among classes and covariance matrix S_W in a class for a face image for learning which is prepared in advance, and calculates the best suitable vectors η and γ maximizing variance ratios among classes and in a class, and calculates a conversion expression for converting an entered frequency feature vector x into a frequency feature vector y in a discriminating space.例文帳に追加

判別特徴抽出手段１０４は、あらかじめ備えられた学習用顔画像に対し、クラス間共分散行列Ｓ_Ｂおよびクラス内共分散行列Ｓ_Ｗを計算し、クラス間／クラス内分散比が最大となる最適ベクトルηおよびγを求め、入力された周波数特徴ベクトルｘを判別空間における周波数特徴ベクトルｙに変換する変換式を算出する。 - 特許庁

A temporary eigenprojection matrix (#12-a) is temporarily generated from a learning image group (#10), in which high quality images and low-quality images are paired up, and a temporary projection nuclear tensor (#12-b) that defines the correspondence relationship between the low-quality image and an intermediate eigenspace and the correspondence relationship between the high quality image and the intermediate eigenspace is created.例文帳に追加

高画質画像と低画質画像とを対とした学習画像群（#10）から暫定的に仮固有射影行列（#12-a）を生成し、低画質画像と中間固有空間の対応関係並びに高画質画像と中間固有空間の対応関係とを規定した仮射影核テンソル(#12-b)を作成する。 - 特許庁

An eigenprojection matrix #14 is generated from a learning image group #10, in which high quality images and low-quality images are paired up, by a projection operation #12 using a locality relationship, and a projection nuclear tensor #16 that defines the correspondence relationship between the low-quality image and an intermediate eigenspace and the correspondence relationship between the high quality image and the intermediate eigenspace is created.例文帳に追加

高画質画像と低画質画像とを対とした学習画像群＃１０から局所関係を利用した射影演算＃１２により固有射影行列＃１４を生成し、低画質画像と中間固有空間の対応関係並びに高画質画像と中間固有空間の対応関係とを規定した射影核テンソル＃１６を作成する。 - 特許庁

An execution period t2 of second Fourier transform processing for obtaining a second frequency domain signal S1 for use as an input signal of filter processing is made shorter than an execution period t1 of first Fourier transform processing for obtaining a first frequency domain signal S1 for use in learning computation of a separation matrix.例文帳に追加

フィルタ処理の入力信号として用いる第２周波数領域信号Ｓ１を得るための第２フーリエ変換処理の実行周期ｔ２の方が、分離行列の学習計算に用いる第１周波数領域信号を得るための第１フーリエ変換処理の実行周期ｔ１よりも短くする。 - 特許庁

To provide a photographic image processing method and a photographic image processing device capable of restoring a defective image with a high degree of precision by using a mapping operation to find an output for minimizing a Mahalanobis' generalized distance with the use of a covariance matrix estimated from a learning sample in the input/output direct product space.例文帳に追加

入出力の直積空間内で学習サンプルから推定した共分散行列を用いて、マハラノビス汎距離を最小化する出力を求める写像演算を用いることにより、欠損画像の高精度な修復等が可能な写真画像処理方法及び写真画像処理装置を提供する。 - 特許庁