「トマーシュ・ウイファルシ」に関連した中国語例文の一覧 -中国語例文検索

さらに、サポート・ベクタ・マシン（SVM）などの線形分類器、「ニューラル・ネットワーク」方法体系、ファジィ論理方法体系と呼ばれる方法などの非線形分類器も使用することができる。

另外，还可采用诸如支持向量机 (SVM)的线性分类器、非线性分类器 (例如，被称作“神经网络”方法的方法 )、模糊逻辑方法。 - 中国語 特許翻訳例文集

一態様では、このオプトイン・フラグまたは変数は、アクセス・インテリジェンス1683またはデータ・キャッシュ1681内に保持される設定ファイル（不図示）内のエントリとすることができる。

在一方面，opt-in标志或变量可以是保存在接入情报 1683或数据缓存 1681中的配置文件 (未示出 )中的条目。 - 中国語 特許翻訳例文集

同様に、広告のオプトイン・フラグまたは変数、例えば「ads．receive」は、移動体装置1602が広告を受信できるかどうかを決定することができ、そのようなオプトイン・フラグも、アクセス・インテリジェンス1683またはデータ・キャッシュ1681内に記憶される設定ファイル内に保持することができる。

同样，广告 opt-in标志或变量 (例如ads.receive)可以表示移动装置 1602是否可以接收广告； 这样的 opt-in标志也可以被保存在存储于接入情报 1683或数据缓存 1681中的配置文件内。 - 中国語 特許翻訳例文集

【図40】（a）は、図30に示されているエクステント起点3042のデータ構造を示す模式図であり、（b）は、ライトビュー・クリップ情報ファイルに含まれるエクステント起点3320のデータ構造を示す模式図であり、（c）は、L／Rモードの再生装置200によって第1ファイルSS（01000.ssif）から抽出されたベースビュー・データ・ブロックL1、L2、…を表す模式図である。

图 40(a)是示出图 30所示的区段起点 3042的数据结构的示意图，图 40(b)是示出右视片段信息文件中所包含的区段起点 3320的数据结构的示意图，图 40(c)是示出由 L/R模式的再现装置 200从第一文件 SS(01000.ssif)提取的基视数据块 L1、L2、 ...的示意图。 - 中国語 特許翻訳例文集

移動体装置1602は、アクセス・インテリジェンス1683、例えばナビゲーション指示、1つもしくは複数の広告または1つもしくは複数のインセンティブのうちの少なくとも1つの受信を規制する1つまたは複数の変数を含む1つまたは複数の設定ファイル、1つまたは複数のアクセス・リスト、1つまたは複数のハンドオーバ・ログ等をメモリ1675内に保持することもできる。

移动装置 1602还可以将接入情报 1683(例如导航指令；包含用于规定广告或激励中至少一个的接收的一个或多个变量的 (多个 )配置文件；接入列表、切换日志等等 )保存在存储器 1675中。 - 中国語 特許翻訳例文集

本明細書に記載されたさまざまな自動化態様を実施することにより、これらの技術は、（例えば、Hidden Markov Models（HMM）および関連する原型依存モデル、例えば、Bayesianモデル・スコアまたは近似を用いた構造探索によって生成されるBayesianネットワークのようなより一般的な確率論的グラフィック・モデル、例えば、サポート・ベクトル・マシン（SVM）のような線形クラシファイヤ、例えば、「ニューラル・ネットワーク」方法と称される方法のような非線形クラシファイヤ、ファジー理論方法、および、データ融合を実行するその他のアプローチ等のように）データから学習を行い、複数の記憶装置に情報を動的に格納することに関する推論および／または判定を行うための数多くの方法のうちの1つを適用しうる。

为了实现本文中所描述的各个自动化方面，这些技术可以采用多种方法中的一种方法，根据数据进行学习，然后关于动态地在多个存储单元之间存储信息得出推论和 /或做出判断 (例如，隐式马尔可夫模型 (HMM)和相关的原型依赖模型 (prototypical dependency model)，诸如贝叶斯网络 (例如，利用贝叶斯模型评分或近似法通过结构搜索所产生的 )之类的更一般化的概率图形模型、线性分类器(例如，支持向量机 (SVM))、非线性分类器 (例如，称为“神经网络”方法、模糊逻辑方法的方法 )，以及其它用于执行数据融合的方法等 )。 - 中国語 特許翻訳例文集

本明細書に記載されたさまざまな自動化態様にしたがって、これらの技術は、（例えば、Hidden Markov Models（HMM）および関連する原型依存モデル、例えば、Bayesianモデル・スコアまたは近似を用いた構造探索によって生成されるBayesianネットワークのようなより一般的な確率論的グラフィック・モデル、例えば、サポート・ベクトル・マシン（SVM）のような線形クラシファイヤ、例えば、「ニューラル・ネットワーク」方法と称される方法のような非線形クラシファイヤ、ファジー理論方法、および、データ融合を実行するその他のアプローチ等のように）データから学習を行い、複数の記憶装置に情報を動的に格納することに関連する推論および／または判定を行うための数多くの方法のうちの1つを適用しうる。 モバイル・デバイス304は、帯域幅範囲に保持された情報を収集するオブテイナ310と、収集された情報が、帯域幅範囲のガード帯域幅に存在するかを判定するロケータ312とを含みうる。

根据实现本文描述的各种自动化的方面，这些技术可以使用与在多个存储单元上动态存储信息相关的、用于从数据进行学习并得出推论和 /或作出决定的大量方法中的一种方法 (例如，隐马尔科夫模型 (HMM)及相关的原型依赖模型、更一般的概率图模型 (例如 (例如由使用贝叶斯模型得分或近似值的结构搜索所建立的 )贝叶斯网络、线性分类器 (例如支持向量机 (SVM))、非线性分类器 (例如称为“神经网络”的方法 )、模糊逻辑方法以及执行数据融合的其它方法等 )。移动设备 304可以包括获取器 310和定位器 312，获取器 310收集保留在带宽范围中的信息，定位器 312确定所收集的信息是否位于该带宽范围的保护带宽上。 - 中国語 特許翻訳例文集

パケット・バッファ104に格納しなければならないフレームの数mは、いくつかの変数の関数であり、それらの変数は（i）FECデコーダ108の待ち時間（すなわち、フレームの第1のパケットの受信と、そのフレームに対するFEC復号化の開始との間の期間）、（ii）FEC復号化の遅延（すなわち、たとえばフレームに対して24組のXOR論理演算を実行することを含む、フレームに対するFEC復号化の開始からFEC復号化の完了までの期間）、および（iii）入力パケットのパケット・ジッタを含む。

必须存储在包缓冲器 104中的帧的数量 m是多个变量的函数，这些变量包括 (i)FEC解码器 108的等待时间(latency)(即，接收帧的第一个包与对该帧开始 FEC解码之间的时段 )，(ii)FEC解码延迟(即，从对该帧开始 FEC解码至完成 FEC解码的时段，例如，包括对该帧执行 24组 XOR逻辑运算 )，以及 (iii)输入包的包抖动 (packet jitter)。 - 中国語 特許翻訳例文集