DIMENSIONALITY 日本語 意味 - 日本語訳 - 英語の例文

• 次元

英語 での Dimensionality の使用例とその 日本語 への翻訳

Three dimensionality be real?
次元が現実ですか。

Time, as we know it, only exist in 3 dimensionality.
時間というのは、3次元にしか存在しない。

Dimensionality: Two-Dimensional Antenna.
次元性：2次元アンテナ。

Maybe I need more practice to give it dimensionality?
多分私はそれに次元を与えるためにもっと練習が必要です。

Units: Positive integer, dimensionality of the output space.
Units:正の整数値，出力の次元数．。

Realize function with different range, angle and dimensionality.
別の範囲、角度および次元の数の機能を実現して下さい。

Longer a school for Third Dimensionality, that role is over.
三次元のためのより長い学校、その役割は終わった。

Dimensionality reduction and feature selection can decrease variance by simplifying models.
次元削減や特徴選択はモデルを簡単にすることによりバリアンスを減らせる。

Nonetheless, you have a vision that transcends mere skill. Dimensionality… perhaps.
次元性…多分。それにもかかわらず、あなたは単なるスキル を超越するビジョンを持っています。

Dimensionality… perhaps. Nonetheless, you have a vision that transcends mere skill.
次元性…多分。それにもかかわらず、あなたは単なるスキル を超越するビジョンを持っています。

The phase transition was characterized by the successive change of dimensionality of the Pt valence ordering.
この相転移は白金電荷秩序の次元性が変化する。

They allow reducing the dimensionality of multivariate data to low-dimensional spaces, usually 2 dimensions.
それらは、多変量データの次元を低次元空間、通常2次元に削減することができる。

Studies aimed at multivariate analysis are often stalled by the dimensionality of the problem.
多くの場合、多変量解析を使用する研究は、問題の次元によってストールされています。

Filters: Integer, the dimensionality of the output space(i.e. the number of output filters in the convolution).
Filters:整数，出力空間の次元（つまり畳み込みにおける出力フィルタの数）．。

What the scientists do not understand is that the dimensionality influences the laws of science.
ただ、科学者が理解していない点は、次元は科学法則に影響を与えるということです。

The walls between that dimensionality are starting to thin greatly, much more than you ever thought possible.
それらの次元の間にある壁が、あなた方が想像しえなかったほど、とても薄くなり始めています。

Convolutional networks are designed to reduce the dimensionality of images in a variety of ways.
畳み込みネットワークは、画像の次元を様々な方法で軽減するように設計されています。

So if physical constants, spacetime dimensionality and so on can vary among parallel quantum branches at Level III, then they will also vary among parallel universes at Level II.
だから、もし物理定数や時空の次元などがレベル3に生じる量子分岐の間で異なるなら、レベル2並行宇宙の間でも同様に異なるだろう。

Often, studies that wish to use multivariate analysis are stalled by the dimensionality of the problem.
多くの場合、多変量解析を使用する研究は、問題の次元によってストールされています。

You can perform classification, regression, clustering, dimensionality reduction, time-series forecasting, and dynamic system modeling and control.
分類、回帰、クラスタリング、次元削減、時系列予測、および動的システムのモデリングと制御を実行できます。

Is particularly interested in abnormality detection, dynamic system learning, and nonlinear dimensionality reduction.
特に異常検知、動的システム学習、非線形次元削減などに興味を持つ。

What your scientist do not understand is that dimensionality influences the laws of your science.
ただ、科学者が理解していない点は、次元は科学法則に影響を与えるということです。

Input_dim: dimensionality of the input(integer). This argument(or alternatively, the keyword argument input_shape) is required when using this layer as the first layer in a model.
Input_dim:入力の次元（整数）．この引数（または代わりのキーワード引数input_shape）は，このレイヤーをモデルの最初のレイヤーとして利用するときに必要です．。

Their main feature lies in the fact that they allow you to create an effect of dimensionality of the picture.
彼らの主な特徴は、あなたが画像の次元性の効果を生み出すことができるという事実にあります。

As a result of unitarity, if physical constants and space-time dimensionality vary in Level 2, then they will vary equivalently between the quantum branches at Level 3.
だから、もし物理定数や時空の次元などがレベル3に生じる量子分岐の間で異なるなら、レベル2並行宇宙の間でも同様に異なるだろう。

Self-Organizing Maps are an unsupervised Machine Learning method used to reduce the dimensionality of multivariate data.
自己組織化マップは、多変量データの次元を削減するために用いられる教師なし機械学習手法である。

As opposed to dimensionality reduction, feature selection doesn't involve creating new features or transforming existing ones, but rather getting rid of the ones that don't add value to your analysis.
次元縮退と異なり、新しい特徴量を作成したり既存の特徴量を変換したりするのではなく、予測分析に価値をまったく付加しない特徴量を取り除きます。

Many of these elements can be classified according to form(straight, plane/ curve) and dimensionality(one-dimensional/ two-dimensional):.
これらの要素の多くは、形状（直線、平面/曲線）と次元（1次元/2次元）で分類される。

Unlike some feature extraction methods such as PCA and NNMF, the methods described in this section can increase dimensionality and decrease dimensionality.
PCAやNNMFなど一部の特徴抽出と異なり、この節で説明する方法では次元を増やす(および減らす)ことができます。

A major concern arising from the classification of spectral data is that the number of variables or dimensionality often exceeds the number of available spectra.
スペクトルデータの分類における主な関心は、変数の数や次元が利用可能なスペクトルの数を越えることである。