自乗造句

造句与例句手机版

（１）ｎ＝１として，ｄ，ｃの自乗和Ｄ，Ｐと内積Ｑを算出☆☆．
（１）假设ｎ＝１时，计算出ｄ、ｃ的自乘和Ｄ、Ｐ及内积Ｑ☆☆。
この手順をＳ回繰り返し，最終的には以下の自乗誤差ＣＶを求める．
Ｓ次反复进行该步骤，最终求得以下的平方误差ＣＶ。
それぞれ，１次と３次の多項式の最小自乗法に基づく結果に概ね合致している．
它们分别与基于１次和３次多项式的最小平方法的结果大致一致。
式（１７）が一次式であるので，最小自乗法を用いることができる．
式（１７）是一次式，因此能够使用最小自乘法。
この操作をｄの自乗和が許容値Ｚ以下になるまで繰り返し，直交基底系を導く．
反复进行该操作，直至ｄ的自乘和达到其容许值Ｚ以下导向直交基底。
いま，重みΘに対する各サンプルの自乗誤差を以下で定義する．
现在，对于加权Θ，各样本的平方误差按以下定义。
我々はこの最小自乗当てはめ問題を，特異値分解に基づくアルゴリズム１）を用いて解く．
我们运用基于奇异值分解的算法１）解决最小二乘法适用问题。
そして次式のような適合誤差の自乗和の最小化を図る．
接着，使下列算式的匹配误差的平方和最小。
適応度は目標電圧との自乗誤差によって定義した．
适应度通过与目标电压的自乘误差来定义。
（２）ｄにスケールを近似したａの自乗和Ｕを算出．
（２）计算出与ｄ近似的ａ的自乘和Ｕ。
用自乗造句挺难的，這是一个万能造句的方法
ただし，適応度は発現量の平均自乗誤差とし，設計する回路にはノード個数の制限は加えていない．
不过，把适应度作为发现量的平均自乘误差，不限制设计回路上的节点数。
ＬＣＲ回路の場合は合成した回路の周波数応答や時間応答のＭＳＥ（平均自乗誤差）である．
ＬＣＲ回路的情况是合成回路的频率响应或者时间响应的ＭＳＥ（平均自乘误差）。
変数のＤ，Ｐ，Ｕは自乗和，Ｒ，Ｑは内積，Ｗ，Ｖはスケール比，Ｉはインデックス番号を保存する．
变量Ｄ、Ｐ、Ｕ为自乘和，Ｒ、Ｑ为内积，Ｗ、Ｖ为比例比，Ｉ为索引号码。
カイ自乗タイプ最小メリットを，地球の低緯度と地域ドメインでの放出率によりコンピュータで分析した。
根据在地球的低纬度和地域磁畴的排放率，使用计算机分析了卡方型最小值。
この２地点での予約量と送信性能より最小自乗法などにより関係式を導出して，最後に目標地点に移す．
根据这２点的预约量与发送性能按照最小二乘法等导出关系式，最后转移到目标点。
モデルパラメータを適応性を維持して更新するため，反復最小自乗法を利用してＡＲＸモデル化方式を適用した。
为了维持更新模型参数的适应性，反复利用最小自乘法，适用了ＡＲＸ模式化方式。
同様に，ベクトルの内積の自乗は，二つの特徴ベクトルの各要素成分の値が共に１である要素の総数で計算できる
同样，用二个特征向量的各要素成分的值同为１的要素总数来计算向量内积的２次方。
後者の差分距離情報を用いた手法としては，最小自乗法を用いて位置を算出する手法３），４）が提案された．
作为使用后者的差异距离信息的方法，使用最小垂直法算出位置的方法３），４）被提出。
そこでｅを最小化するγと＠ｅｑｕａｔｉｏｎ＿０＠を非線形の関数適合問題の最小自乗解として求めることにした．
因此，作为非线性的函数匹配问题的最小二乘解来求出使ｅ最小的γ和＠ｅｑｕａｔｉｏｎ＿０＠。
本論文では，このアルゴリズムを変形して，多倍長数の乗算１回を多倍長数の自乗計算１回に置き換えることができることを示す．
本论文将该算法变形，并显示可将１次的复长数之乘法以１次的复长数之平方计算置换。