ペナルティー中文是什么意思

• 制約条件がある最適化問題では目的関数に制約条件に関するペナルティー関数を加えた疑似目的関数を作成し，それに適当なスケーリングファクターを乗じたものをエネルギーとすればよい．
  制约条件在某个最佳化问题当中，添加与目的函数与制约条件相关的处罚函数，制成疑似目的函数，将其乘以适当的比例系数作为能量比较好。
• また，＠ｅｑｕａｔｉｏｎ＿０＠の取り得る範囲を［０，１０］とし，それ以外をとるような行為が選択された場合は，ペナルティーとして―１００が課せられ，試行を打ち切る．
  另外，将＠ｅｑｕａｔｉｏｎ＿０＠所能获取的范围定为［０，１０］，当获取除此之外的行为被选择时，作为刑罚将被给予―１００，同时试行也将中止。
• また，＠ｅｑｕａｔｉｏｎ＿０＠のとりうる範囲を［０，１０］とし，それ以外をとるような行為が選択された場合は，ペナルティーとして―１００が課せられ，試行をを打ち切る．
  另外，将＠ｅｑｕａｔｉｏｎ＿０＠可取的范围定为［０，１０］，当在此范围以外取值的行为被选择时，作为刑罚将被给予―１００，同时试行也将中止。
• 信号のアイダイアグラムの開放度がよく、眼瞼の厚さが小さい、マルチスピードと固定スピードの受信感度はそれぞれ―３２．２８ｄＢｍと―２７．０９ｄＢｍであり、パワーペナルティーは０．５２ｄＢである。
  信号眼图张开度好、眼皮厚度小，多速率和恒定速率下接收灵敏度分别为―３２．２８ｄＢｍ和―２７．０９ｄＢｍ，功率代价０．５２ｄＢ。
• このとき，隆線方向がＤ（ｉ）である方向確定ブロックｂ（ｉ）を参照して，＠ｅｑｕａｔｉｏｎ＿０＠の隆線方向をｄに修正するとき課せられるペナルティーｐ（ｄ）（ｉ）を式（２）で定義する．
  这时，在参照隆线方向为Ｄ（ｉ）的方向确定区域ｂ（ｉ），将＠ｅｑｕａｔｉｏｎ＿０＠的隆线方向修正为ｄ的时候，通过公式［２］定义所承担的补偿函数ｐ（ｄ）（ｉ）。
• ここで，ゲインとは各世代において，行動獲得ダイナミクス（Ｑ学習）の最終の１００試行（９９００試行から１００００試行）の間に獲得した全報酬と全ペナルティーの総和を総ステップ数で割ったものであり，各世代において獲得された行動の１ステップあたりの平均報酬に相当する．
  这里所说的“收益”是指各代中，行为获取动力学（Ｑ学习）的最后１００次（９９００――１００００）试行中获得的全部报酬和惩罚的总数用总步数来除所得的结果，相当于各代中获得的每１步行为的平均报酬。
• なお，ｐが最も有効に働くのは，タスクが達成されない場合に，ペナルティーを評価する場合であり，この場合には，規格化されたＱ値の最大値がｐとなるため，０からｐにおける相対的な大きさが重要となり，ｐそのものの絶対的な大きさは意味を持たないため，ｐの大きさを変化させても，生き残る個体の割合に影響を与えない．
  当没有完成任务时，ｐ最能有效发挥作用的就是在评价惩罚的时候。在这种时候，由于规格化了的Ｑ值最大值成为ｐ，因此从０到ｐ之间的相对大小就很重要。由于ｐ本身的绝对大小没有意义，所以即使变动ｐ的值，也不会影响残余个体的比例。