学習済みモデル

US2019384871
[0014] In order to generate a model describing an unknown component, a model generation system can simulate the known components in a system and compare the results of the simulation with measured observations of the system.
未知のコンポーネントを記載するモデルを生成するために、モデル生成システムは、システム内の既知のコンポーネントをシミュレートし、シミュレーションの結果をシステムの測定された観察結果と比較することができる。

During simulation, the unknown components can be simulated according to a set of parameters of an untrained model of the unknown components and constraints within the system.
シミュレーション中、未知のコンポーネントは、未知のコンポーネントの未学習モデルのパラメータのセット、およびシステム内の制約に従ってシミュレーションすることができる。

The parameters can then be updated after comparison of the simulation to the observed system in order to optimize the parameters and generate a trained model of the unknown physical components.

次に、パラメータを最適化し、未知の物理的コンポーネントの学習済みモデルを生成するために、シミュレーションを観察されたシステムと比較した後にパラメータを更新することができる。

US2019113577
[0107] First, a model using only the variance of ΔQ(V)=Q5(V)−Q4(V) and no subset selection is learned. This model is termed “variance classifier”.
第１に、ΔＱ（Ｖ）＝Ｑ_５（Ｖ）－Ｑ_４（Ｖ）の分散のみを使用し、サブセット選択を使用しないモデルを学習させる。

These indices were selected based on restricting the prediction to be in the first five cycles as well as the analysis presented in FIGS. 15A-15B and FIG. 16.
このモデルは「分散分類器」と呼ばれる。これらのインデックスは、予測を最初の５サイクルに限定すること、ならびに図１５Ａ～図１５Ｂおよび図１６に提示した分析に基づいて選択した。

The coefficient weight of the trained model is −0.433. 16 of 120 points are incorrectly classified, highlighting our high performance even at very early cycles.
学習済みモデルの係数の重みは－０．４３３である。１２０ポイント中誤って分類されたのは１６ポイントだけであり、非常に早いサイクルでも本発明者らの方法のパフォーマンスの高さを示している。

Accuracy information is also presented in Table 8 using the confusion matrix.
精度情報は、混同行列を使って表８にも示されている。

A confusion matrix is a standard representation of the classification accuracy for each class.
混同行列は、各クラスの分類精度の標準的な表現である。