疑似的

pseudo-

quasi-

simulated

artificial

mock

 

正解データ（JP）

US2021166139(JP)
[0067] Note that threshold calculation device 200 a may include a trainer (not shown) for training a machine learning model.
【００５２】
  なお、閾値算出装置２００ａは、機械学習モデルを訓練するための訓練部（不図示）を備えてもよい。

The trainer may include storage (not shown) that holds a data set for training.
訓練部は、訓練用データセットを保持する記憶部（不図示）を備えてもよい。

The data set for training includes a set of input data and correct answer data, stored in advance.
訓練用データセットは、予め格納された入力データと正解データとのセットを含む。

The trainer may update the data set for training by obtaining new data for training from a database located on the server connected over a communication network such as the Internet.
訓練部は、インターネットなどの通信ネットワークを介して接続されるサーバ上に配置されたデータベースから新規の訓練用データを取得して、訓練用データセットを更新してもよい。

Additionally, the trainer may include a holder (not shown) that holds the same classification model as first calculator 202 , and the holder may further hold the same N single-class classification probability calculators as classification probability calculator 203 .
また、訓練部は、第１演算部２０２と同じ分類モデルを保持する保持部（不図示）を備えてもよく、保持部は、さらに、分類確率演算部２０３と同じＮ個の単クラスの分類確率演算部を保持してもよい。

The trainer trains the same classification model as first calculator 202 by using the data set for training.
訓練部は、訓練用データセットを用いて、第１演算部２０２と同じ分類モデルを訓練する。

US2022092871(JP)
[0040] The parameter updating unit 35 uses an estimation result received from the result output unit 34 to optimize the filter parameter to be used in the optical filter unit 32 and the parameter of the neural network to be used in the estimation calculation unit 33 .
【００３３】
  パラメータ更新部３５は、結果出力部３４から受け取った推定結果を用いて、光学フィルタ部３２において用いられるフィルタパラメータ及び推定演算部３３において用いられるニューラルネットワークのパラメータを最適化する。

The parameter updating unit 35 corresponds to the parameter updating unit 12 in FIG. 1.
パラメータ更新部３５は、図１のパラメータ更新部１２に相当する。

For example, in order to improve the accuracy of object recognition for recognizing a red color, the parameter updating unit 35 calculates a gradient of each parameter by using, as feedback information, a loss function which is a comparison result between the estimation result received from the result output unit 34 and correct answer data held in advance.
パラメータ更新部３５は、例えば、赤色を認識する物体認識の精度を向上させるために、結果出力部３４から受け取った推定結果と予め保持しておいた正解データの比較結果である損失関数をフィードバック情報として各パラメータの勾配を計算する。

[0041] The parameter updating unit 35 optimizes the filter parameter and the neural network parameter by using a calculation result.
パラメータ更新部３５は、計算した結果を用いて、フィルタパラメータ及びニューラルネットワークのパラメータを最適化する。

The correct answer data is, for example, a numerical value of correct answer data 1 indicating the red and a numerical value of correct answer data 0 indicating other colors in the case of object recognition for recognizing the red.
正解データは例えば、赤色を認識する物体認識の場合、赤色を示す正解データ１、それ以外の色を示す正解データ０の数値である。

The pair of input data and correct answer data may be referred to as training data to be used in machine learning, for example.
入力データと正解データのペアは、例えば、機械学習において用いられる訓練データと称されてもよい。

The filter parameter may be, for example, a parameter indicating the center wavelength and standard deviation in the distribution of transmittance.
フィルタパラメータは、例えば、透過率の分布における中心波長及び標準偏差を示すパラメータであってもよい。

In other words, the filter parameter may be wavelength information indicating a transmission region.
つまり、フィルタパラメータは、透過領域を示す波長の情報であってもよい。

The neural network parameter may be, for example, weight information, bias information or the like, or a combination thereof.
ニューラルネットワークのパラメータは、例えば、重み情報もしくはバイアス情報等、もしくはこれらの組み合わせの情報であってもよい。

US2022020135(JP)
[0040] Here, the learning model is a model in which the model is trained using much training data to make the future output predictable.
【００２５】
  ここで、学習モデルとは、多数の教師データを用いてモデルを訓練し、将来の出力を予測可能にするモデルである。

In this embodiment, the input data of the training data is the training input image data d 1 , and the ground truth data of the training data is the same as the input data of the training data.
本実施形態において、教師データの入力データは学習時入力画像データｄ１であり、教師データの正解データは教師データの入力データと同じである。

When much training data are input to the training unit 12 A, the weighting coefficients of the encoder 12 A 1 and the decoder 12 A 2 are sequentially changed. 
多数の教師データが学習部１２Ａに入力されることで、エンコーダ１２Ａ１及びデコーダ１２Ａ２の重み係数は逐次変更される。

Then, when the training of the training unit 12 A is completed, the weighting coefficient is determined in the training unit 12 A.
そして、学習部１２Ａの学習が完了すると、学習部１２Ａでは重み係数が確定する。

That is, in the training unit 12 A, the weighting coefficient is determined in the stage of training described above.
つまり、学習部１２Ａでは、上述した学習段階において、重み係数が確定される。

After that, in the above-mentioned the stage of acquiring the relationship, the training unit 12 A is used to acquire the relationship RS between the error L and the similarity S shown in FIG. 5A.
その後に、上述した関係取得段階において、学習部１２Ａは、図５Ａに示す誤差Ｌ及び類似度Ｓの関係ＲＳを取得するために用いられる。

Specifically, when the input image data D 1 for acquiring the relationship is input, the training unit 12 A outputs the compressed data Dc based on the weighting coefficient determined and outputs the output image data (the output image data D 2 for acquiring the relationship) calculated based on the weighting coefficient determined.
具体的には、学習部１２Ａは、関係取得用の入力画像データＤ１が入力されると、確定した重み係数に基づいて圧縮データＤｃを出力するとともに、確定した重み係数に基づいて算出される出力画像データ（関係取得用の出力画像データＤ２）を出力する。

The error calculation unit 12 B and the similarity calculation unit 12 C, which will be described below, acquire the above output data.
次に説明する誤差算出部１２Ｂ及び類似度算出部１２Ｃは、これらの出力を取得する。

US2021181256(JP)
[0097] Next, machine learning of the battery deterioration prediction model will be described.
【００７６】
  次に、電池劣化予測モデルの機械学習について説明する。

[0098] FIG. 6 is a diagram showing an example in which the battery deterioration prediction model is generated according to the present embodiment.
図６は、本実施形態に係る電池劣化予測モデルの生成例を示す図である。

[0099] Reference sign g 101 denotes an example of battery information (hereinafter also referred to as model learning data) with which the teacher label is associated.
 符号ｇ１０１は、教師ラベルが対応付けられる電池情報（以下、モデル学習用データともいう）の例である。

In the example denoted by reference sign g 101 , the model learning data includes
符号ｇ１０１に示す例では、モデル学習用データが、

the number of days elapsed after the removable battery 14 was produced, the initial performance (the capacity and the resistance value) of the removable battery 14 , the histogram data of the temperature of the removable battery 14 , the histogram data of the SOC of the removable battery 14 , and the like.
着脱式バッテリ１４が生産されてからの経過日数、着脱式バッテリ１４の初期性能（容量、抵抗値）、着脱式バッテリ１４の温度のヒストグラムデータ、および着脱式バッテリ１４のＳＯＣのヒストグラムデータ等である。

[0100] Reference sign 102 denotes an example of battery performance information (hereinafter also referred to as correct answer data of model learning) serving as the teacher label.
【００７７】
  符号１０２は、教師ラベルとして扱われる電池性能情報（以下、モデル学習の正解データともいう）の例である。

In the example denoted by reference sign g 102 , the correct answer data of the model learning represents a battery capacity at the time of measurement and a battery resistance value at the time of measurement.
符号ｇ１０２に示す例では、モデル学習の正解データが、測定時点の電池容量と、測定時点の電池抵抗値である。

[0101] Reference sign 103 denotes an example of a learning engine for machine learning.
【００７８】
  符号１０３は、機械学習の学習エンジンの例である。

As denoted by reference sign g 103 , an engine of the machine learning includes, for example, deep learning,
符号ｇ１０３に示すように、機械学習のエンジンは、例えばＤｅｅｐ  Ｌｅａｒｎｉｎｇ（深層学習）、

random forest regression (random forest),
Ｒａｎｄｏｍ  Ｆｏｒｅｓｔ  Ｒｅｇｒｅｓｓｉｏｎ（ランダムフォレスト）、

extreme gradient boosting (XG-boosting),
ＸＧ－Ｂｏｏｓｔｉｎｇ（ｅＸｔｒｅｍｅ  Ｇｒａｄｉｅｎｔ  Ｂｏｏｓｔｉｎｇ）、

a support vector machine, ensemble learning thereof, and the like.
Ｓｕｐｐｏｒｔ  Ｖｅｃｔｏｒ  Ｍａｃｈｉｎｅ（サポートベクターマシン）等や、これらのアンサンブル学習も含む。

The ensemble learning is, for example, bagging, boosting, or the like.
アンサンブル学習は、例えばバギング、ブースティング等である。

[0102] As shown in FIG. 6, the model generator 1832 learns the battery deterioration prediction model according to a learning method such as deep learning using teacher data in which the correct answer data of the model learning is associated with the model learning data.
【００７９】
  図６に示したように、モデル生成部１８３２は、モデル学習用データに対して、モデル学習の正解データが対応付けられた教師データを用いて、Ｄｅｅｐ  Ｌｅａｒｎｉｎｇ等の学習手法により電池劣化予測モデルを学習する。

Thereby, the battery deterioration prediction model is generated.
これによって、電池劣化予測モデルが生成される。

EP3815599(JP)
[0011] The controller of the ophthalmic image processing device exemplified in the present disclosure acquires, as the base image, the ophthalmic image captured by the ophthalmic image capturing device or the averaged image obtained by averaging the plurality of ophthalmic images obtained by imaging the identical region of the tissue by the ophthalmic image capturing device.
【００１１】
  本開示で例示する眼科画像処理装置の制御部は、眼科画像撮影装置によって撮影された眼科画像、または、眼科画像撮影装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する。

By inputting the base image into the mathematical model trained with using the machine learning algorithm, the controller acquires the target image having higher quality than the base image.
制御部は、機械学習アルゴリズムによって訓練された数学モデルに基画像を入力することで、基画像よりも高品質の目的画像を取得する。

The mathematical model is trained by a training data set, which is a set of the input training data and the output training data.
数学モデルは、入力用訓練データと出力用訓練データのセットである訓練データセットによって訓練されている。

The data based on the L (L ≥ 1) training ophthalmic image among the plurality of training ophthalmic images obtained by imaging the identical region of the tissue is used as the input training data.
組織の同一部位を撮影した複数の訓練用眼科画像のうち、Ｌ枚（Ｌ≧１）の訓練用眼科画像に基づくデータが、入力用訓練データとされる。

Further, the data of the averaged image obtained by averaging the H (H> L) training ophthalmic images among the plurality of training ophthalmic images is used as the output training data (sometimes it is referred to as correct answer data).
また、複数の訓練用眼科画像のうち、Ｈ枚（Ｈ＞Ｌ）の訓練用眼科画像を加算平均した加算平均画像のデータが、出力用訓練データ（正解データと言われる場合もある）とされる。

In other words, H is a number greater than the number of the training ophthalmic images used for the input training data.
換言すると、Ｈは、入力用訓練データに使用される訓練用眼科画像の枚数よりも大きい数である。

US2021209447(JP)
[0078] FIG. 8 is a diagram illustrating a specific configuration of the neural network 30 .
【００６７】
  図８は、ニューラルネットワーク３０の具体的な構成を例示する図である。

In this example, a plurality of pieces of input data (hereinafter, reference data) having a known correct answer (correct prediction result) are prepared other than the input data 10 .
この例では、入力データ１０以外に、正解（正しい予測結果）が既知である入力データ（以下、参照データ）が複数用意されている。

Then, by using the reference data and correct answer data associated with the reference data, a matrix (hereinafter, a feature matrix of the usage rule set 60 ) representing a feature related to each of the prediction rules 50 included in the usage rule set 60 is prepared.
そして、参照データとそれに対応する正解データとを用いて、使用ルールセット６０に含まれる各予測ルール５０に関する特徴を表す行列（以下、使用ルールセット６０の特徴行列）を用意する。

The neural network 30 outputs a degree that each of the prediction rules 50 should be extracted by using a feature vector extracted from the input data 10 and the feature matrix of the usage rule set 60 .
ニューラルネットワーク３０は、入力データ１０から抽出される特徴ベクトルと、使用ルールセット６０の特徴行列とを用いて、各予測ルール５０を抽出すべき度合いを出力する。

////////

[0105] The training unit 2100 acquires training data 80 .
【００９４】
  訓練部２１００は、訓練データ８０を取得する。

The training data 80 are data in which training input data 82 and training correct answer data 84 are associated with each other.
訓練データ８０は、訓練入力データ８２と訓練正解データ８４とが対応づけられたデータである。

The training input data 82 are data of the similar type as input data 10 .
訓練入力データ８２は、入力データ１０と同種のデータである。

In other words, when the information processing apparatus 2000 treats image data as the input data 10 , the training input data 82 are also image data.
すなわち、情報処理装置２０００が入力データ１０として画像データを扱うのであれば、訓練入力データ８２も画像データである。

The training correct answer data 84 are data representing a correct answer for the training input data 82 , and are data of the similar type as conclusion data 54 .
訓練正解データ８４は、訓練入力データ８２についての正解を表すデータであり、帰結データ５４と同種のデータである。

For example, it is assumed that the information processing apparatus 2000 predicts a class of an object included in the input data 10 .
例えば情報処理装置２０００が、入力データ１０に含まれるオブジェクトのクラスを予測するとする。

In this case, for example, the training correct answer data 84 indicate a class of an object included in the training input data 82 .
この場合、例えば訓練正解データ８４は、訓練入力データ８２に含まれるオブジェクトのクラスを示す。

 

正解データ；真値

US2022245769
[0002] This disclosure relates generally to generative adversarial networks (GANs) and, in non-limiting embodiments,
【０００２】
  本開示は一般的には、敵対的生成ネットワーク（ＧＡＮ：ｇｅｎｅｒａｔｉｖｅ  ａｄｖｅｒｓａｒｉａｌ  ｎｅｔｗｏｒｋ）に関し、

a system and method for removing noise and/or artifacts from an OCT image and/or segmenting ocular layers of an OCT image using a GAN.
及び非限定的実施形態では、ＧＡＮを使用することによりＯＣＴ画像から雑音及び／又はアーチファクトを除去する及び／又はＯＣＴ画像の眼球層を分割（セグメンテーション、分離）するためのシステム及び方法に関する。

/////////////

[0040] Attempts to use a GAN to remove speckle noise in retinal OCT images have relied on an absence, or limited amount of, eye motion between frames during image capture.
【００３４】
  網膜ＯＣＴ画像内のスペックル雑音を除去するためにＧＡＮを使用する試みは、画像捕捉中のフレーム間の眼球運動がないこと又は制限された量に依存してきた。

The ground truth data for such a GAN was generated using a compounding technique in which the same tissue area was imaged multiple times, and individual volumes were registered yielding averaged B-scans for training.
このようなＧＡＮの正解データは、同じ組織エリアが複数回撮像され及び個々のボリュームが登録され、それにより訓練するための平均化されたＢスキャンを提供する複合技術を使用することにより生成された。

However, this proposed methodology to generate ground truth data for training is not feasible as corneal datasets exhibit large motion when acquired in-vivo, which makes registration and compounding technologically challenging, resource intensive, and potentially inaccurate.
しかし、正解データを生成するためのこの提案方法論は、角膜データセットが生体内で取得される際に大きな運動（登録及び複合化を技術的に挑戦的、資源集約的、且つ恐らく不正確にする）を示す（exhibit)ので実現可能ではない。

In addition, existing research databases, from which corneal datasets can be extracted for use in algorithmic development, rarely contain multiple scans of the same tissue area for compounding.
加えて、角膜データセットがアルゴリズム開発における使用のために抽出されることができる既存研究データベースは、複合化のための同じ組織エリアの複数回スキャンをめったに含まない。

US2020167591
[0018] FIG. 8B illustrates a ground truth edge map for the central patch of FIG. 8A according to embodiments.
図８Ｂは、実施形態に係る図８Ａの中心パッチに関するグランドトゥルース（正解データ）エッジマップ。

///////

A ground truth image may be a highly accurate image against which other images (e.g., from image processing methods) are compared.
グランドトゥルース画像は、（例えば、画像処理方法からの）他の画像を比較するための非常に正確な画像である。

WO2018098039
[0014] The present disclosure illustrates various techniques and configurations that enable enhanced training of machine learning networks through user actions that occur in respective workflows at multiple, distributed locations.
【０００７】
  本開示は、複数の分散された場所において各ワークフローで行われるユーザアクションを通じて機械学習ネットワークのエンハンスされた訓練を可能にする各種技術及び構成を示す。

Such workflows include clinical workflows that are undertaken by medical professional users within medical information processing settings.
このようなワークフローは、医療情報処理設定内で医療専門家のユーザによって行われる診断ワークフローを含む。

The techniques and configurations disclosed herein may be used to identify differences from a machine learning model that have been applied, modified, or rejected within a clinical workflow, including differences that occur within respective workflows for clinical users who are distributed across a large network of medical facilities.
ここに開示される技術及び構成は、医療施設の大規模なネットワーク全体に分散化された資料ユーザのための各自のワークフロー内で行われる相違を含む診断ワークフロー内において適用、修正又は拒絶された機械学習モデルから相違を特定するのに利用されうる。

The resulting differences that are identified from the various workflow uses of the model may be collected and processed as training data (e.g., reinforcement or correction data) for the machine learning model—
モデルの各種ワークフローの利用から特定される結果としての相違は、機械学習モデルの訓練データとして収集及び処理されてもよく（例えば、強化又は正解データ）、

thus, improving future iterations and applicability of the machine learning model.
従って、機械学習モデルの将来的なインタラクション及び適用可能性を向上させる。

US2019032151
[0534] Algorithms for the detection and classification of IHC-stained objects on a whole slide basis were written in Matlab.
[0461] 全スライドに基づく、ＩＨＣ染色した物体の検出及び分類のためのアルゴリズムは、Ｍａｔｌａｂにおいて執筆された。

Following brightfield stain unmixing, IHC-stained objects were detected as cell candidates.
明視野染色分離の後、ＩＨＣ染色した物体を細胞候補として検出した。

For all cell candidates, quantitative features were extracted.
全ての細胞候補について、定量的特徴を抽出した。

Candidates were then classified into the various cell classes (e.g. CD8+ /Ki67− cells) using supervised machine learning.
その後、教師あり機械学習を使用して、候補を様々な細胞クラス（例えば、ＣＤ８＋ ／Ｋｉ６７− 細胞）に分類した。

The classification method was trained using a ground truth gallery of true and false stained objects (provided by a pathologist).
（病理学者によって提供される）真及び偽の染色した物体の正解データギャラリーを使用して、分類方法を訓練した。

US10835210
[0046] While the data does not represent a bounding box, the bounding box is positioned based on the object represented by the data and/or other features represented by the data.
【００４３】
  データが境界ボックスを表していない際には、そのデータによって表される対象物および／またはその他の形状物に基づいて、境界ボックスが配置される。

In one embodiment, a machine-learnt classifier locates the bounding box.
一実施の形態では、機械学習分類子によって境界ボックスの位置が特定される。

Experts annotate training data with bounding boxes.
熟練者によって、複数の境界ボックスの注釈が付けられる。

The machine training then learns the position of the bounding box based on the ground truth in the training data representing scans of patients.
そして、機械学習訓練では、訓練データにおける患者のスキャン結果を表す正解データに基づいて、境界ボックスの位置を学習する。

The machine learns to position the bounding box given data representing the patient.
その機械学習では、患者を表す所与のデータに境界ボックスの位置を決定することを学習する。

The processor locates the bounding box using the matrix or matrices of the machine-learnt classifier.
プロセッサは、機械学習分類子の単数または複数のマトリックスを用いて境界ボックスの位置を特定する。

The distinguishing features used to locate the bounding box may be other than features of the object of interest.
境界ボックスの位置を特定するために用いられる際立った特徴は、関心対象物とは異なったものであり得る。

EP3990658
Since high linking accuracy is confirmed,
高いリンク精度が確認されているため、

it is suspected that

the mixed-species multiplets detected by sequencing but not imaging are
シーケンシングでは検出されたがイメージングでは検出されなかった混合種マルチプレットは、

because of the imperfections in scRNA-seq data, which serves as the ground truth.
正解データ（ground truth）として機能するscRNA-seqデータの不完全性が原因である

と考えられる。

US7877722
[0122] The die may have many examples of a particular context so there may be adequate samples of the particular context for training the classifier.
【０１００】
  ダイには、特定のコンテキストの例が多数ありえるので、分類子をトレーニングするための特定のコンテキストの適切なサンプルがある。

In addition, the misclassification rate of the classifier may be determined since it is possible that many contexts are indistinguishable to the inspection systems (i.e., the images of the contexts may appear substantially similar in feature space).
さらに、多くのコンテキストが検査システム（つまり、コンテキストの画像は、特徴空間で本質的に類似したように見えてもよい）に対して区別不能であることがありえるので、分類子の誤分類率が決定できる。

The features used in the classifier may be the raw pixel data or signals themselves or features derived from the raw pixel data or signals such as features used in iADC to classify the background.
分類子の中で使用される特徴は、生の画素データ、あるいは信号自身あるいは生の画素データから派生した特徴、あるいは、背景を分類するためにｉＡＤＣの中で使用される特徴のような信号でありえる。

The “ground truth” or “true classification” is provided by the design context.
「正解データ」あるいは「真分類」は、設計コンテキストによって提供される。

The granularity (“context cell”) of the design context may be relatively coarse (e.g., about 1 μm by about 1 μm) or relatively fine (e.g., about 0.1 μm by about 0.1 μm or about 1 to 2 design rules in size).
設計コンテキストの粒度（「コンテキストセル」）は、比較的粗い場合もあるし（例えば、約１μｍｘ約１μｍ）、あるいは比較的細かい場合もある（例えば、約０.１μｍｘ約０.１μｍあるいは約１～２設計規則サイズ）。

 

＊Ground truth:

１）教師あり学習において「一つ一つのデータに対して付与される正解」「これは犬です」「これは猫です」

「ラベル（labels：正解ラベル、Ground Truth：正解、教師データ：labeled training data）とは？」＠IT, AI IoT, Deep Insider, AI・機械学習の用語辞典

２）「AI モデルの出力の学習やテストに使用される実際のデータを表す用語」、機械学習やディープラーニングの出力を実環境と照合しながらのテスト、MathWorks

 

学習データ：

training data:（モデルやプログラムの性能を改善する過程において機械学習モデルやプログラムを学習させる（訓練する）ためのデータ）

learning data:（上記の意味で使ってもOK？）

US2020342267(JP、既出）
[0085] In order to improve recognition accuracy for the rare case in the recognizer, increasing the ratio of the data of the rare case in the learning data is considered. However, in actuality, it is difficult to collect a large amount of data of the rare case.
【００６９】
  認識器においてレアケースについての認識精度を向上させるためには、学習データ中のレアケースのデータの割合を増やすことが考えられるが、実際にレアケースのデータを大量に収集するのは困難である。

The “learning data” is data for learning in which an input signal used in learning is associated with a supervisory signal indicating a correct answer label corresponding to the input signal, and is also called “training data”.
「学習データ」は、学習に用いる入力信号と、その入力信号に対応した正解ラベルを示す教師信号とを関連付けた学習用のデータであり、「訓練データ」とも呼ばれる。

機械学習、Wikipedia（既出）
機械学習（きかいがくしゅう、英: machine learning）とは、経験からの学習により自動で改善するコンピューターアルゴリズムもしくはその研究領域で[1][2]、人工知能の一種であるとみなされている。「訓練データ」もしくは「学習データ」と呼ばれるデータを使って学習し、学習結果を使って何らかのタスクをこなす。例えば過去のスパムメールを訓練データとして用いて学習し、スパムフィルタリングというタスクをこなす、といった事が可能となる。

訓練データを使ってプログラムの性能を改善する過程を、「プログラムを訓練する」もしくは「プログラムを学習させる」という。

 

Ground Truth, Wikipedia
"Bayesian spam filtering is a common example of supervised learning. In this system, the algorithm is manually taught the differences between spam and non-spam. This depends on the ground truth of the messages used to train the algorithm – inaccuracies in the ground truth will correlate to inaccuracies in the resulting spam/non-spam verdicts."

Ground Truth in Machine Learning: Importance and 7 Key Challenges
What is Ground Truth?, datagen
"in an image classification system, the algorithm learns to classify each image into a set of classes (e.g., cat, dog, sheep). The algorithm trains using training data with ground truth labels indicating the true class of each object."

"In supervised learning algorithms, ground truth data is critical to training new algorithms."

"Supervised methods learn a target domain by training on large amounts of data with corresponding ground truth labels. Initially, the model trains on data with ground truth labels. When an initial version of the model is ready, it is evaluated on evaluation and testing datasets where the model does not know the ground truth label. Predictions are compared to the actual ground truth label to determine model performance."

図の上から

EP3747735
[0027] With reference to FIGS. 3A and 3B ,
【００２９】
  図３Ａおよび３Ｂに、

crushing sequences and section force vs time plots are shown for the energy absorbing device 100 and an energy absorbing device 50 having uniform bending stiffness through its depth.
エネルギー吸収装置１００と、奥行き全体が均一な曲げ剛性を持つエネルギー吸収装置５０の、圧壊の進行と、時間毎の断面力のプロットを示す。

As shown on the left-hand side of FIG. 3A (relative to the top of the drawing figure),
図３Ａの左側（図の上から見て）に示すように、

tubes forming the energy absorbing device 50
エネルギー吸収装置５０を形成する管は、

crush from both an outboard surface 52 and an inboard surface 54 towards the center of the energy absorbing device 50.

外側面５２と内側面５４の両方からエネルギー吸収装置５０の中心に向かって潰れる。

US11157804
 For example, if it takes three digital cycles for an incoming action potential to move through the pipeline of a neuromorphic core (i.e., from top to bottom of the diagram of FIG. 1 or that of FIG. 5),
例えば、入力活動電位がニューロモルフィックコアのパイプラインを通して（すなわち図１の図又は図５の図の上から下まで）移動するために３デジタルサイクルを要する場合、

then a corresponding spike that is generated on the third digital cycle can be recorded in the buffer as occurring on cycle zero.
第三のデジタルサイクルで生成される対応するスパイクは、サイクル０で発生したものとしてバッファに記録できる。

In addition, at least three digital cycles can be added to the action potential clock period to allow time for the last spike to propagate through the pipeline.
加えて、少なくとも３つのデジタルサイクルを活動電位クロック期間に追加して、最後のスパイクがパイプラインを通して伝播できる時間を設けることができる。

小さい順に

US10946143
[0033] FIG. 3 illustrates a syringe barrel 102 for a syringe system 100 , in accordance with aspects disclosed herein.
【００３０】
  図３は、以下に開示される観点に従った注射器システム１００用のシリンダ１０２を示す。

In certain embodiments, the syringe barrel 102 may have the label 106 
ある実施形態では、シリンダ１０２はラベル１０６を備えていてもよい。

with one or more conductive strips 303 
ラベル１０６は１以上の導電性箔３０３を含む。

of varying size arrayed in a smallest-to-largest or largest-to-smallest configuration. 
これらはサイズが様々であり、小さい順に、または大きい順に並んでいる。

US2020271973
[0064] In addition to varying the liquid crystal concentration within the material in order to vary the diffraction efficiency, another technique includes varying the thickness of the waveguide cell.
【００５８】
  回折効率を変化させるために材料内の液晶濃度を変化させることに加えて、別の技術は、導波路セルの厚さを変化させることを含む。

This can be accomplished through the use of spacers.
これは、スペーサの使用を通して達成することができる。

In many embodiments, spacers are dispersed throughout the optical recording material for structural support during the construction of the waveguide cell.
多くの実施形態では、スペーサが、導波路セルの構築中に構造的支持のために光記録材料全体に分散される。

In some embodiments, different sizes of spacers are dispersed throughout the optical recording material.
一部の実施形態では、異なるサイズのスペーサが光記録材料全体に分散される。

The spacers can be dispersed in ascending order of sizes across one direction of the layer of optical recording material. 
スペーサは、光記録材料の層の一方向にわたってサイズの小さい順に分散させることができる。導

US11163777
[0074] To perform the vector space comparison in step 1208 , the content recommendation engine 425 may calculate the Euclidean distance between the feature vector generated in step 1206 , and each of the other feature vectors stored in the vector space/spaces 430 .
【００４９】
  ステップ１２０８でベクトル空間比較を実行するために、コンテンツ推奨エンジン４２５は、ステップ１２０６で生成された特徴ベクトルと、ベクトル空間／空間４３０に格納された他の特徴ベクトルの各々との間のユークリッド距離を算出し得る。

Based on the distances calculated, the content recommendation engine 425 may rank feature vectors in ascending order of feature space distance,
算出された距離に基づいて、エンジン４２５は、特徴空間距離の小さい順に特徴ベクトルをランク付けし得るので、

so that the smaller the distance between the two feature vectors, the higher the rank（＊動詞無し）. 
２つの特徴ベクトル間の距離が小さければ小さいほど、ランクが高くなる。

US11334469
[0044] In embodiments in which the estimated computational costs 36 of the respective orderings 32 are determined prior to checking whether the orderings 32 satisfy the one or more legality constraints 34 ,
【００３０】
  [0033]  それぞれの順序付け３２の推定計算コスト３６が、順序付け３２が１つ以上の正当さ制約３４を満たすか否かチェックする前に判定される実施形態では、

the processor 16 may be configured to sort the one or more orderings 32 by estimated computational cost 36 .
プロセッサー１６は、推定計算コスト３６を基に１つ以上の順序付け３２をソートするように構成することができる。

The processor 16 may then determine whether each ordering 32 satisfies one or more legality constraints 34 in order of ascending estimated computational cost 36 among the plurality of orderings 32 . 
次いで、プロセッサー１６は、各順序付け３２が１つ以上の正当さ制約３４を満たすか否か、複数の順序付け３２の間で推定計算コスト３６が小さい順に、判定することができる。

US10735566
[0086] Any MSDU that has been passed up to the next MAC process may be deleted from the receive reordering buffer.
【００６７】
  [0081]次のＭＡＣプロセスまで渡されているどのＭＳＤＵも、受信再順序付けバッファから削除され得る。

The recipient may always pass MSDUs up to the next MAC process in order of increasing MSDU_SN subfield value
受信側は常に、ＭＳＤＵ＿ＳＮサブフィールド値の小さい順に（in order of increasing）次のＭＡＣプロセスまでＭＳＤＵを渡し得る

(as will be described, this rule may allow an originator to signal the recipient to skip MSDUs by signaling MSDU and/or MPDU SSNs larger than those currently in the buffer).
（説明されることになるように、この規則は、バッファ中に現在あるものより大きいＭＳＤＵおよび／またはＭＰＤＵ ＳＳＮをシグナリングすることによってＭＳＤＵをスキップするために、発信元が受信側にシグナリングすることを可能にし得る）。

EP3069275
[0072] In some embodiments, several different programmatic interfaces 580 may be implemented for retrieving or reading stream data records from a given partition.
【００４１】
  いくつかの実施形態では、いくつかの異なるプログラムによるインタフェース５８０は、所与のパーティションからストリームデータレコードを検索または読み込みするために実装され得る。

As shown in FIG. 5, some retrieval interfaces 581
図５にて示すように、いくつかの検索インタフェース５８１は、

may be implemented for non-sequential accesses, such as

getlterator (to instantiate an iterator or read cursor at or after a data record with a specified sequence number) or getRecord (to read a data record with a specified sequence number).
（特定のシーケンス番号を備えたデータレコードで、または特定のシーケンス番号を備えたデータレコードの後に、イテレータをインスタンス化またはカーソルを読み込みするための）ｇｅｔＩｔｅｒａｔｏｒまたは（特定のシーケンス番号を備えたデータレコードを読み込むための）ｇｅｔＲｅｃｏｒｄ

のような、非シーケンシャルアクセスのために実装され得る。

Other retrieval interfaces 582 may be implemented for sequential retrieval, such as getNextRecords (an interface requesting that N records be read from the current position of an iterator, in order of increasing sequence number). 
その他の検索インタフェース５８２は、ｇｅｔＮｅｘｔＲｅｃｏｒｄ（シーケンス番号の小さい順に、Ｎレコードがイテレータの現在位置から読み込まれることを要求するインタフェース）のようなシーケンシャル検索のために実装され得る。

考えることができる

（以下既出）

WO2012059577
Accordingly, the partitioning information may, thus, be thought of as being a kind of extension of the subdivision of picture 20 into blocks 40. 
従って、その分割情報は、このように、ブロック４０への画像２０の細分化の一種の拡張であるとして考えることができる。

EP3224649
In terms of aesthetics, it can be assumed that a robot with sensors mounted inconspicuously is more attractive than otherwise.
美的観点では、目立たないように設置されるセンサを備えるロボットがそうでない場合よりも魅力的であると考えることができる。

US10784066
or stated another way, the structure may have a topology in which a closed path extends two or more revolutions around an axis (e.g., at or close to the center of the structure) before the closed path is completed)
別の言い方をすると、その構造は、閉じた経路が完結される前に、閉じた経路が１つの軸（例えば、構造の中心にあるか、又はその近くにある）の周りを２回転以上しながら延在するトポロジを有することができる）は、

may be considered advantageous for generating repulsive Casimir forces.
反発性カシミール力を生成するのに有利であると考えることができる。

WO2019143867
The ambisonics signal may be viewed as a multi-channel audio signal, with each channel corresponding to a particular directivity pattern of the soundfield at the listening position of the listener.
アンビソニック信号は、各チャネルがリスナーのリスニング位置における音場の特定の指向性パターンに対応しているマルチ・チャネル・オーディオ信号として考えることができる

WO2010138925
[0054] The legacy UEs may consider all reserved subframes to be regular subframes based on LTE Release 8.
レガシーＵＥは、ＬＴＥリリース８に基づいて、すべての予約フレームが、レギュラー・サブフレームであるべき（＊である）と考えることができる。

 

EP2974286
Particular implementations may vary from these example details and still be contemplated to be within the scope of the present disclosure.
特定の実装態様はこれらの例示的詳細事項とは異なっていても依然として本開示の範囲に属するものと考えることができる。

 

US10294371
 The gel formed from the nano-fibrils can be considered to contain nanocellulose.
ナノフィブリルから形成されるゲルは、ナノセルロースを含有すると考えることができる。

 

原子比

US2016135253
[0063] In the context of the present invention, suitable “graphene” preferably has a high C/O ratio, i.e., ratio of carbon atoms to oxygen atoms.
本発明において、好適な”グラフェン”は、好ましくは、高いＣ／Ｏ比、すなわち、酸素原子に対する炭素原子の比を有する。

The elemental composition is reflected by the ratio of carbon atoms to oxygen atoms (C/O ratio) and correlates with the degree of reduction for the graphene material.
元素組成は、酸素原子に対する炭素原子の比（Ｃ／Ｏ比）によって反映され、グラフェン物質の還元度と相関する。

The ratio of carbon atoms to oxygen atoms is preferably not less than 3:1, more preferably not less than 5:1, yet more preferably not less than 50:1, yet still more preferably not less than 100:1 and most preferably not less than 500:1,
酸素原子に対する炭素原子の比は、好ましくは、３：１以上、より好ましくは５：１以上、さらにより好ましくは５０：１以上、さらにより好ましくは、１００：１以上、最も好ましくは、５００：１以上であり、

as determined by the atomic proportions (at %) of the elements as per x-ray photoelectron spectroscopy (XPS).
これらの比は、Ｘ線光電子分光法（ＸＰＳ）によって測定された元素の原子比（ａｔ％）から算出された。

US11414924
Atomic ratios of elements within the referred layer as used herein are calculated at their respective peak intensities.
本明細書で使用するとき、参照する層中の元素の原子比を、それぞれのピーク強度で計算する。

For example, the O:N ratio in the first silicon compound comprising silicon oxynitride in Example 1 is calculated from the atomic depth profile in Table 7 at the sputter time of 33.5 min is 13.7/42.3=0.32.
例えば、実施例１の酸窒化ケイ素を含む第１のケイ素化合物におけるＯ：Ｎ比は、３３．５分のスパッタ時間における表７の原子深度プロファイルから計算すると、１３．７／４２．３＝０．３２である。

Similarly, for the same inventive example, the Si:O ratio in the second silicon compound comprising silicon oxide is at a sputter depth of 23.5 min is 16.6/43.7=0.38.
同様に、同じ本発明の実施例において、２３．５分のスパッタ深度における、酸化ケイ素を含む第２のケイ素化合物中のＳｉ：Ｏ比は、１６．６／４３．７＝０．３８である。

It is understood that the elements immediately below the surface may influence the signal and a different analysis technique may yield a different value for the referred elemental ratios.
表面のすぐ下の元素は、信号に影響を及ぼすことがあり、異なる分析技術は、参照する元素比のための異なる値をもたらすことがあると理解される。

US2008275279
[0047] In general, the presence in the catalyst of metals that are capable of oxidation-reduction (redox) is undesirable.
【００４３】
  一般に、触媒中の酸化－還元（レドックス）能力のある金属の存在は望ましくない。

Redox metals typically include transition metals that have more than one stable oxidation state, such as iron, copper, and manganese.
レドックス金属は、典型的には、鉄、銅およびマンガンなどの１つ以上の安定な酸化状態を有する遷移金属を含む。

The rare earth halide or oxyhalide catalyst of this invention is specifically required to be substantially free of copper and iron.
本発明の希土類ハロゲン化物あるいはオキシハロゲン化物触媒は、銅と鉄を実質的に含まないことが特に必要とされる。

The term "substantially free" means that the atom ratio of rare earth element to redox metal, preferably iron or copper, is greater than about 1/1,
用語「実質的に含まない」は、レドックス金属、好ましくは鉄または銅に対する希土類元素の原子比が約１／ｌより上、

preferably greater than about 10/1, more preferably greater than about 15/1, and most preferably greater than about 50/1. 
好ましくは約１０／１より上、更に好ましくは約１５／１より上、そして最も好ましくは約５０／１より上であるということを意味する。

EP1658895
[0062] For example, when a mixed metal oxide .of the formula Moa Vb Tec Nbd Oe is to be prepared,
【００６４】
  たとえば、式Ｍｏ_ａＶ_ｂＴｅ_ｃＮｂ_ｄＯ_ｅの混合金属酸化物を製造する場合、

an aqueous solution of telluric acid, an aqueous solution of niobium oxalate and a solution or slurry of ammonium paramolybdate may be sequentially added to an aqueous solution containing a predetermined amount of ammonium metavanadate,
テルル酸の水溶液、シュウ酸ニオブの水溶液およびパラモリブデン酸アンモニウムの溶液またはスラリーを、メタバナジン酸アンモニウムの予定量を含有する水溶液に逐次的に添加して、

so that the atomic ratio of the respective metal elements would be in the prescribed proportions.
それぞれの金属元素の原子比が前記の比率になるようにすることができる。

US8070936
In some embodiments, the TMS catalyst includes one or more transition metal sulfides in combination with alkali metal(s), alkaline-earth metal(s), zinc, compounds of zinc, or mixtures thereof. The TMS catalyst is, in some embodiments, represented by the general chemical formula A_c[M_aS_b]_d, in which A represents alkali metal, alkaline-earth metal or zinc; M represents a transition metal from Columns 6-10 of the Periodic Table; and S is sulfur. An atomic ratio of a to b is in a range from about 0.5 to about 2.5, or from about 1 to about 2. An atomic ratio of c to a is in a range from 0.0001 to about 1, from about 0.1 to about 0.8, or from about 0.3 to about 0.5. In some embodiments, the transition metal is iron.

10. The method of claim 1, wherein an atomic ratio of transition metal to sulfur in the transition metal sulfide catalyst is in a range from about 0.2 to about 20.

US20200278588
1. A method of fabricating an electrochromic stack, the method comprising:

forming a cathodically coloring layer comprising a cathodically coloring electrochromic material; and

forming an anodically coloring layer comprising nickel-tungsten-tin-oxide (NiWSnO).

 

2. The method of claim 1, wherein the NiWSnO comprises an atomic ratio of Ni:(W+Sn) that is between about 1:1 and 4:1.

囲み線

WO2017173384
[0062] FIGURES 9A-9D set forth sequence alignments of the CLL-1 antigen binding molecules of the invention, CDRs are notated in boxes. 
【図９Ａー９Ｄ】本発明のＣＬＬ－１抗原結合分子の配列アラインメントを示す図である。ＣＤＲを囲み線で表す。

US2020369762
Notably, several neutrophil-specific genes were increased on PDR001+canakinumab, including FCGR3B, CXCR2, FFAR2, OSM, and GOS2 (indicated by boxes in FIG. 11).
【０３２２】
  注目すべきことに、ＰＤＲ００１＋カナキヌマブでは、ＦＣＧＲ３Ｂ、ＣＸＣＲ２、ＦＦＡＲ２、ＯＳＭ、及びＧ０Ｓ２（図１１で囲み線を付して示す）を含め、幾つかの好中球特異的遺伝子が増加した。

人に由来する

US2022220441
If the cells modified by insertion of an inducible cassette are to be used in a human patient, it may be preferred that the cell is an iPSC derived from that individual.
【００４５】
  誘導性カセットの挿入によって改変された細胞が、ヒト患者において使用される場合、該細胞は、該個人に由来するiPSCであることが好ましい場合があり得る。

Such use of autologous cells would remove the need for matching cells to a recipient.
そのような自家細胞の使用は、細胞をレシピエントに適合させる必要性を、排除し得る。

Alternatively, commercially available iPSC may be used, which are known to a person skilled in the art.
あるいは、市販のiPSCが使用され得、これは当業者に公知である。

Alternatively, the cells may be a tissue-specific stem cell, which may also be autologous or donated.
あるいは細胞は、組織特異的幹細胞であり得、これもまた自家性であってよく、または提供されたものであってもよい。

Suitable cells include epiblast stem cells, induced neural stem cells and other tissue-specific stem cells.
適切な細胞は、エピブラスト幹細胞、人工神経幹細胞、および他の組織特異的幹細胞を含む。

US9326992
That was further explored by research showing similarities in the gene expression patterns of HGPS fibroblasts and those derived from elderly persons, distinguishing them from fibroblasts derived from younger persons
これは、ＨＧＰＳ線維芽細胞および高齢の人に由来する線維芽細胞の遺伝子発現パターンにおける類似性を示し、これらをより若い人に由来する線維芽細胞から区別する研究によってさらに探究された

(Ly et al., Science 287: 2486-2492, 2000).
（Ｌｙら、Ｓｃｉｅｎｃｅ、２８７巻：２４８６～２４９２頁、２０００年）。

US2021062145
We sampled between 1-23 clones from eleven adult patients with or without UC using high-density SNP arrays.
本発明者らは、高密度SNPアレイを使用して、UCを有するかまたは有しない成人患者11人に由来する1～23個のクローンを試料採取した。

US9095584
To determine the correlation of the IFG-response measured in the COS-7 cells to patient-derived cells,
【０１３１】
  患者由来の細胞に対するＣＯＳ－７細胞内で測定されたＩＦＧ応答の相関関係を判定するために、

IFG-activity response was also measured in Patient-Derived Macrophages and Lymphoblasts.
患者由来のマクロファージおよびリンパ芽球の中でもＩＦＧ活性応答も測定した。

Macrophages were successfully derived from 46 of 63 patients
６３人の患者のうち４６人からマクロファージを首尾よく誘導し、

and incubation with IFG (3, 10, 30 or 100 μM) for 5 days
５日間のＩＦＧ（３、１０、３０または１００μＭ）でのインキュベーションにより、

increased GCase levels in macrophages from 42 of 46 patients (mean=2.3-fold; range: 1.1- to 6.5-fold). 
４６人の患者のうちの４２人に由来するマクロファージ内でＧＣａｓｅレベルが増大した（平均＝２．３倍；範囲：１．１～６．５倍）。

US2020377956
These same polymorphisms can be used to determine whether any two samples are derived from the same individual. 
これらの同じ多型を使用して、２つの試料が同じ個人に由来するか否かを判断することができる。

When（＊ifでもOKのはず。条件、仮定）there is a matched normal sample from the same individual available,
利用可能な同じ個人からの一致した正常試料がある場合、

the methods described herein can detect the number and nature of single base substitutions and insertions and deletions within the LINEs.
本明細書に記載の方法は、ＬＩＮＥ内の単一塩基置換及び挿入及び欠失の数及び性質を検出し得る。

US2022296654
[0706] smEVs may be labeled with conjugates containing metals and isotopes of metals using the protocols described above.
ｐｍＥＶは、前述したプロトコルを用いて、金属及び金属の同位体を含有するコンジュケートで標識し得る。

Metal-conjugated smEVs may be administered in vivo to animals.
金属共役ｐｍＥＶは、動物にインビボで投与され得る。

Cells may then be harvested from organs at various time-points, and analyzed ex vivo.
次に、様々な時点で、細胞を臓器から採取し、エクスビボで分析することができる。

Alternatively, cells derived from animals, humans, or immortalized cell lines may be treated with metal-labelled smEVs in vitro
代わりに、動物、ヒトに由来する細胞、又は不死化細胞系統をインビトロで金属標識ｐｍＥＶにより処理した後、

and cells subsequently labelled with metal-conjugated antibodies
細胞を金属共役抗体で標識してから、

and phenotyped using a Cytometry by Time of Flight (CyTOF) instrument such as the Helios CyTOF (Fluidigm)
Ｈｅｌｉｏｓ ＣｙＴＯＦ（Ｆｌｕｉｄｉｇｍ）などの飛行時間（Ｔｉｍｅ ｏｆ Ｆｌｉｇｈｔ）装置によるサイトメトリー（ＣｙＴＯＦ）を用いて表現型検査するか、

or imaged and analyzed using and Imaging Mass Cytometry instrument such as the Hyperion Imaging System (Fluidigm). 
又はＨｙｐｅｒｉｏｎ Ｉｍａｇｉｎｇ Ｓｙｓｔｅｍ（Ｆｌｕｉｄｉｇｍ）などのイメージングマスサイトメトリー装置を用いて、イメージング及び分析し得る。

ヒト共生細菌

US9499594
In addition, lysins are generally specific for their bacterial host species and do not lyse non-target organisms, including human commensal bacteria which may be beneficial to gastrointestinal homeostasis
さらに、溶解素は、一般に、その細菌宿主種に特異的であって、胃腸管ホメオスタシスにとって有益であり得るヒト共生細菌を含む非標的生物を溶解しない

(Blaser, M. (2011) Nature 476:393-394; Willing, B. P. et al (2011) Nature reviews. Microbiology 9:233-243)
（Ｂｌａｓｅｒ，Ｍ．（２０１１）Ｎａｔｕｒｅ  ４７６：３９３－３９４；Ｗｉｌｌｉｎｇ，Ｂ．Ｐ．ら（２０１１）Ｎａｔｕｒｅ  ｒｅｖｉｅｗｓ．Ｍｉｃｒｏｂｉｏｌｏｇｙ  ９：２３３－２４３）。

EP3935179
In one embodiment (bottom right), the chosen promoter has broad host range activity and can be recognized in various known human commensal and pathogenic bacteria. 
１つの実施形態（右下）において、選択されたプロモーターは、広い宿主域活性を有し、様々な既知のヒト共生細菌及び病原性細菌で認識され得る。

US2020376108
[0151] The S. pneumoniae GlpO and PncO protein antigens risk immune reactivity to homologous targets within native microflora.
【０１３９】
  肺炎連鎖球菌GlpO及びPncOタンパク質抗原は、天然の細菌叢内の相同標的に対する免疫反応性を危険にさらす。

Though no negative toxicological scoring was observed within initial immunization studies,
初回免疫試験では負の毒性学的スコアリングは観察されなかったが、

a sequence homology search was conducted for the GlpO and PncO proteins against targets in human commensal bacteria using a 50% BLAST homology screen. 
50％BLAST相同性スクリーニングを用いてヒト共生細菌における標的に対するGlpO及びPncOタンパク質の配列相同性検索を行った。

内積

US2022215654
The layer 110 generates a query-key product 112 by taking a product of the query vector and the key vector, such as a dot product of the query vector and the key vector:
【００４０】
  層110は、クエリベクトルとキーベクトルとの内積などのクエリベクトルとキーベクトルとの積を取ることによってクエリ-キー積112を生成する。

US2021409667
[0000] where C=[c1 c2 c3 c4 c5 ] and xy is the coordinates of the pixel.
ここで、Ｃ＝［ｃ₁ｃ₂ｃ₃ｃ₄ｃ₅］であり、ｘｙはピクセルの座標である。

Thus, the color value of a given pixel in the first image is defined as the dot product between the vector of coefficients and the chromaticity fingerprint of that pixel as determined from the series of altered images. 
したがって、第１の画像の所与のピクセルの色の値は、係数のベクトルと、一連の改変された画像から決定された該ピクセルの色度フィンガープリントとの内積として規定される。

US2022157077
where S,T<N; S,T<M comprising entries Sab ,
ここで
【数２】
Ｓ，Ｔ＜Ｎ；Ｓ，Ｔ＜Ｍであり、

wherein applying the kernel to the matrix comprises calculating the inner product of the matrix K with each reduced matrix R of size (N×M)S,T of a matrix Z,
カーネルをマトリクスに適用することは、サイズ（Ｎ＋２Ｐ_ｗ）×（Ｍ＋２Ｐ_ｈ）を有するマトリクスＺのサイズ（Ｎ×Ｍ）_Ｓ，Ｔの各削減マトリクスＲとマトリクスＫとの内積を算出することを含み、

where the matrix R has the same size as the kernel K,
マトリクスＲはカーネルＫと同一サイズであり、

US11093580
[0013] To illustrate, in some embodiments, the matrix multiplier 110 multiplies input matrices, designated matrix A, an M×K matrix, and matrix B, a K×N matrix, to calculate a result matrix R (an M×N) matrix.
【０００９】
  説明すると、いくつかの実施形態において、行列乗算器１１０は、行列Ａ（ＭＸＫの行列）及び行列Ｂ（ＫＸＮの行列）で示される入力行列を乗算して、結果行列Ｒ（ＭＸＮ）の行列を計算する。

The matrices A and B are stored at the input registers 106 and 107 , respectively, and the result matrix R is stored at the output register 108 .
行列Ａ，Ｂは、それぞれ入力レジスタ１０６，１０７に記憶され、結果行列Ｒは、出力レジスタ１０８に記憶される。

In some embodiments, the matrix multiplier 110 calculates the result matrix R by calculating the inner (dot) product of the ith row and jth column, as set forth by the following formula:
いくつかの実施形態では、行列乗算器１１０は、以下の式によって示されるように、ｉ番目の行とｊ番目の列との内積を計算することによって、結果行列Ｒを計算する。

確率的にサンプリング

EP3948689
[0040] Generate subset S c S by stochastically sampling from S;
【００４１】
  Ｓから確率的にサンプリングすることによって、サブセットＳ’_ｔ⊂Ｓを生成する。

US2022178899
[0105] For any sets of internal parameters that are varied by stochastically sampling, the system
【００８６】
  確率的にサンプリングすることによって変更される内部パラメータの任意のセットについては、システムは、

maintains parameters that define a range of possible values for the internal parameter
内部パラメータの可能な値の範囲を定義するパラメータを維持し、

and maintains a causal model that identifies causal relationships between the possible values for the internal parameter and a figure of merit for the internal parameter. 
内部パラメータの可能な値と内部パラメータのメリット指数との間の因果関係を識別する因果モデルを維持する。

US2022029639
[0000] where Γχ,j =Tr[ρΓj Sχ ] with Sχ =S1 χ 1 S2 χ 2 . . . Sm χ m . As described above, here it is assumed that each Mj is a symmetry of the encoding and commutes with the computation Hamiltonian and physical observables.
上記で説明したように、ここでは、各M_jは、符号化の対称性であり、計算ハミルトニアンおよび物理観測量と可換であると仮定する。

To sample Tr[ρΓj Sχ ] stochastically, the coefficients γj of the terms are used as a normalized probability distribution. 
Tr[ρΓ_jS_χ]を確率的にサンプリングするために、項の係数γ_jが正規化確率分布として使用される。

US11069123
[0297] To implement lossless compression, rather than sending packets filled with the results of certain types of operations, data or commands are sent which allow the receiving node to reconstruct the results.
【０２９８】
  可逆圧縮を実施するために、特定種類の演算の結果で満たされたパケットを送信するのではなく、受信ノードに結果を再構成させるデータ又はコマンドが送信される。

For example, stochastically sampled area lights and ambient occlusion (AO) operations do not necessarily need directions. 
例えば、確率的にサンプリングされた領域の光及び環境閉塞（ambient  occlusion：AO）演算は、必ずしも方向を必要としない。

由来する微生物

EP3976073
A colony is defined as a visible mass of microorganisms all originating from a single mother cell,
【００７１】
  コロニーは、すべて単一の母細胞に由来する微生物の目に見える塊状物として定義される。

therefore a colony constitutes a clone of bacteria all genetically alike.
従って、コロニーは、すべて遺伝的に類似した細菌のクローンを構成する。

US2022204966
[0128] As used herein, the term “mutant” refers to any microorganism resulting from modification of the parent (i.e. deposited) strain.
【００４８】
  本明細書中で用いられる用語「突然変異体」は、親（すなわち寄託された）株の修飾に由来するあらゆる微生物を指す。

For example, a mutant may be a microorganism resulting from genetically modifying a deposited strain.
例えば、突然変異体は、寄託された株の遺伝的修飾に由来する微生物であり得る。

US2022010349
[0010] In some aspects of the method disclosed herein, the microorganism may be
【０００９】
  本明細書に開示される方法のいくつかの態様では、微生物は、

Gram-positive, acetogenic, carboxydotrophic, and/or anaerobic.
グラム陽性、酢酸生成性（ａｃｅｔｏｇｅｎｉｃ）、一酸化炭素資化性（ｃａｒｂｏｘｙｄｏｔｒｏｐｈｉｃ）、および／または嫌気性であり得る。

Generally, the microorganism is
一般に、微生物は、

a member of the genus Clostridium , such as a microorganism that is or is derived from Clostridium autoethanogenum, Clostridium ljungdahlii, Clostridium ragsdalei , or Clostridium coskatii.
Ｃｌｏｓｔｒｉｄｉｕｍ  ａｕｔｏｅｔｈａｎｏｇｅｎｕｍ、Ｃｌｏｓｔｒｉｄｉｕｍ  ｌｊｕｎｇｄａｈｌｉｉ、Ｃｌｏｓｔｒｉｄｉｕｍ  ｒａｇｓｄａｌｅｉ、またはＣｌｏｓｔｒｉｄｉｕｍ  ｃｏｓｋａｔｉｉであるか、またはそれに由来する微生物などの、Ｃｌｏｓｔｒｉｄｉｕｍ属のメンバーである。

US2019218589
[0083] As noted herein, in certain embodiments, it may be preferred to utilize infectious agents that have been isolated from the environment for production of the infectious agents of the invention.
【００８３】
  本明細書で注記されるように、ある種の実施形態において、本発明の感染性因子の生成のための環境から単離されている感染性因子を利用することは、好ましいことであり得る。

In this way, infectious agents that are specific to naturally derived microorganisms may be generated.
このようにして、天然に由来する微生物に特異的な感染性因子が、生成され得る。

US11408023
For example, a device according to the second aspect of the present disclosure is configured to receive 100-150 mL of a liquid sample
例えば、本開示の第２の態様によるデバイスは、１００～１５０ｍＬの液体試料を収容するように構成されており、

and has a growth area (that includes a cold-water-soluble hydrogel-forming composition) of about 80 cm2 .
約８０ｃｍ^２の増殖領域（冷水溶解性ヒドロゲル形成組成物を含む）を有する。

Thus, the microorganisms from the 150 mL sample volume is spread over a growth area that is equivalent to less than 1 cm2 per mL of sample.
したがって、１５０ｍＬの試料体積に由来する微生物は、試料１ｍＬ当たり１ｃｍ^２未満に等しい増殖領域に広げられる。

US3408238
[0014] As used herein the term "antimicrobial," means a material, or a surface of a material that will kill or inhibit the growth of microbes including bacteria, viruses and/or fungi.
【００１４】
  本明細書で用いられる場合、用語「抗菌」とは、細菌、ウイルス及び／又は菌類を含む微生物を死滅させるか、又はその増殖を抑制するであろう材料又は材料表面を意味する。

The term as used herein does not mean the material or the surface of the material will kill or inhibit the growth of all species microbes within such families, but
本明細書で用いられる用語は、材料又は材料表面が、このような種属内の微生物のすべての種を死滅させるか、又はその増殖を抑制することを意味するのではなく、

that it will kill or inhibit the growth or one or more species of microbes from such families.
このような種属に由来する微生物の１つ以上の種を死滅させるか、又はその増殖を抑制することを意味する。

US9676871
In some embodiments, the transglutaminase is
いくつかの実施形態において、トランスグルタミナーゼは、

a microbial transglutaminase derived from a microbial genome, such as

transglutaminase from Streptoverticillium or Streptomices (e.g., Streptomyces mobarensis or Streptoverticillium mobarensis ). 
ストレプトベルティシリウム属（Ｓｔｒｅｐｔｏｖｅｒｔｉｃｉｌｌｉｕｍ）またはストレプトマイセス属（Ｓｔｒｅｐｔｏｍｉｃｅｓ）（例えば、ストレプトマイセス・モバレンシス（Ｓｔｒｅｐｔｏｍｙｃｅｓ  ｍｏｂａｒｅｎｓｉｓ）、またはストレプトベルティシリウム・モバレンシス（Ｓｔｒｅｐｔｏｖｅｒｔｉｃｉｌｌｉｕｍ  ｍｏｂａｒｅｎｓｉｓ））に由来するトランスグルタミナーゼ

などの、微生物ゲノムに由来する微生物トランスグルタミナーゼである。Ａ

US2010316673
[0280] In preferred embodiments, a composition comprising a NE and an immunogen of the present invention comprises a suitable amount of the immunogen to induce an immune response in a subject when administered to the subject.
【０２７４】
  好ましい実施形態において、ＮＥおよび免疫原を含んでいる本発明の組成物は、対象に投与されたときに対象における免疫応答を誘導するために適切な量の当該免疫原を含んでいる。

In preferred embodiments, the immune response is sufficient to provide the subject protection (e.g., immune protection) against a subsequent exposure to the immunogen or the microorganism (e.g., bacteria or virus) from which the immunogen was derived. 
好ましい実施形態において、免疫応答は、上記免疫原、または当該免疫原に（＊が）由来する微生物（例えば細菌またはウイルス）に対する後のばくろからの対象の防御（例えば免疫防御）をもたらすために十分な程度である。

実装上は

US10420489
The operation of the system in open-loop advisory mode will be conceptually similar to closed-loop control mode, but will differ in terms of implementation:
・開ループ助言モードにおけるシステムの動作は、概念的には閉ループコントロールモードと同様であるが、実装上は異なる。

open-loop will provide real-time information to the patient, while closed-loop will control directly the insulin pump.
開ループは、患者にリアルタイム情報を提供するが、閉ループは、インシュリンポンプを直接的に制御する。

US8996703
[0020] The dialogues may be SIP dialogues and the terminals SIP User Agents,
【００１８】
  前記ダイアログはＳＩＰダイアログであってもよく、前記クライアント端末はＳＩＰユーザエージェントであってもよく、

and the client terminal may be distributed between more than one implementation device,
前記クライアント端末は、実装上は２以上のデバイスに分散していてもよく、

each device hosting a SIP User Agent Client.
各デバイスがＳＩＰユーザエージェントクライアントをホスティングしている。

EP3984211
Skilled artisans may implement the described functionality in varying ways for each particular application, but
熟練した技術者は、説明された機能性を特定の適用例ごとに様々な手法で実装し得るが、

such implementation decisions should not be interpreted as causing a departure from the scope of the present application.
そのような実装上の決定は、本出願の範囲からの逸脱を引き起こすものとして解釈されるべきではない。

US2022236037
The ability to steer the metal beam may be one of the more important implementation advantage of superplastic metal extrusion over existing CEWs.
金属ビームを操縦できることは、超塑性金属押出成形の、既存のＣＥＷより重要な実装上の利点の１つとなり得る。

 

（＊"In implementation," ）

色変化特性

US2020383466
[0059] FIG. 1 shows in a schematic manner the staggered time-controlled color changing characteristics of a head 10 for an oral care implement—which could be a manual or an electrical toothbrush—according to an embodiment of the present disclosure. 
【００５３】
  図１は、本開示の一実施形態による、手動又は電動歯ブラシであり得る口腔ケア器具用のヘッド１０の相互にずれて時間制御された色変化特性を概略的に示す。

US2017123569
[11] FIG. 8 presents a rear view of a club head of a club head set with varying characteristics according to an embodiment of the golf clubs and methods of manufacture described herein;
【図８】本明細書に記載したゴルフクラブおよび製造の方法の実施形態による変化特性を伴うクラブヘッドセットのクラブヘッドの後面図である。