とを加算

EP3588132
[0102] In Example 15, the method of any one of Examples 1-14
【０１１５】
  実施例１５において、実施例１～１４のいずれか１つの方法は、

can optionally include: adding a first one of the one or more measurements and a background light measurement by accumulating charge for the first one of the one or more measurements and charge for the background light measurement in a same charge storage unit.
１つ以上の測定のうちの第１の測定についての電荷と、背景光測定についての電荷とを、同一の電荷蓄積ユニットにおいて累積することによって、１つ以上の測定のうちの第１の測定と背景光測定とを加算することを、任意選択的に含み得る。

For example, a same charge storage unit can be used to determine/perform Si + (αF,i - 1)S 2 .
例えば、同一の電荷蓄積ユニットが、S_i+(α_F,i-1)S₂を判断／実行するために使用され得る。

EP3550764
Data path A includes an adder 610 (e.g., modular adder) coupled to input 602 and input 604 to add value A and value B and provide that as a resultant on its output. 
データパスＡは、値Ａと値Ｂとを加算してその出力上に成果としてそれを提供するように入力６０２及び入力６０４に結合される加算器６１０（例えば、モジュラ加算器）を含む。

US10747235
[0103] The second combiner 716 generates a filtered aircraft trim pitch deviation signal 750 based on adding (combining) the first signal 742 and the vertical flight path angle signal 744 . 
【００７８】
  第2のコンバイナ716は、第1の信号742と垂直飛行経路角信号744とを加算（合成）することに基づいて、フィルタリングされた航空機トリムピッチ偏差信号750を生成する。

WO2019178133
[010] A method of generating thin slice images from thick slice images according to an example of the present disclosure may include receiving a first image having a first resolution at a neural network,
【００１０】
  本開示の一実施例による厚いスライス画像から薄いスライス画像を生成する方法は、ニューラルネットワークにおいて第１の解像度を有する第１の画像を受信すること、

performing a convolution on the first image with the neural network,
ニューラルネットワークにおいて第１の画像に畳み込みを実行すること、

performing a non-linear activation function on the first image with the neural network,
ニューラルネットワークを用いて第１の画像に非線形活性化関数を実行すること、

repeating the convolution and non-linear activation function,
畳み込み及び非線形活性化関数を繰り返すこと、

generating a residual based on another convolution with the neural network,
ニューラルネットワークを用いて別の畳み込みに基づいて残差を生成すること、

and summing the residual and the first image with the neural network to generate a second image having a second resolution, wherein the second resolution is higher than the first resolution.
ニューラルネットワークを用いて残差と第１の画像とを加算して第２の解像度を有する第２の画像を生成することを含み得る。

EP3005078
[00181] As indicated in Figure 11, in this imaging filter example, a circular line buffer addressing scheme may need to be created to support the memory structure most natural for the system.
図１１に示すように、この撮像フィルタの例では、システムに関して最も自然なメモリ構造をサポートするために、循環ラインバッファアドレス指定スキームを生成する必要があり得る。

The memory structure may be defined by the size of the filter, that is,
メモリ構造は、フィルタのサイズ、即ち

the number of rows required for the filter processing or current data (2M+1 in this case), plus an extra row to capture the current results of processing, plus an extra row to concurrently be receiving the next line of data, plus an extra row for sending previously calculated results of the filter processing.
現在のデータのフィルタ処理に必要な行数（このケースでは２Ｍ＋１）と、処理の現在の結果をキャプチャするための更なる行と、次のデータのラインを同時に受信するための更なる行と、フィルタ処理の過去に計算された結果を送信するための更なる行とを加算した数によって定義できる。

Thus, for this exemplary application, the memory structure size may be defined or specified as the product (2M+4)*(2N+ H/Nv ) of pixels.
従ってこの例示的なアプリケーションに関して、メモリ構造のサイズは、積（２Ｍ＋４）＊（２Ｎ；Ｈ／Ｎ_v）個のピクセルとして定義又は指定できる。

WO2018118386
[0092] 2. The computer-implemented method of clause 1 , wherein determining that the second shot sequence does not satisfy the at least one collation criterion comprises
【００８９】
  実施例２．第２のショットシーケンスが、少なくとも１つの照合基準を満たしていないことを判別するステップは、

performing an operation that adds the size of the first chunk and the size of the second shot sequence to generate a tentative size;
第１のチャンクのサイズと第２のショットシーケンスのサイズとを加算する演算を実行して、仮のサイズを生成するステップと、

and determining that the tentative size exceeds a maximum chunk size.
仮のサイズが最大チャンクサイズを超えていることを判別するステップと

を含む、実施例１記載のコンピュータ実装方法。