「ベクトルマシン」に関連した中国語例文の一覧 -中国語例文検索

また、本発明に係る画像合成符号化方法は、前記符号化ステップにおいて検出される動きベクトル情報に基づいて合成画像の動きを検知し、前記符号化ステップにおいて符号化を行う際に使用する参照画像の更新周期を前記検知した動きに基づいて制御することを特徴とする。

另外，本发明涉及的图像合成编码方法的特征在于，基于所述编码步骤中检测的运动矢量信息检测合成图像的运动，基于所述检测的运动控制所述编码步骤中进行编码时使用的参考图像的更新周期。 - 中国語 特許翻訳例文集

4. 請求項1または2記載の画像合成符号化方法であって、前記符号化ステップにおいて検出される動きベクトル情報に基づいて合成画像の動きを検知し、前記符号化ステップにおいて符号化を行う際に使用する参照画像の更新周期を前記検知した動きに基づいて制御する、ことを特徴とする画像合成符号化方法。

4.根据权利要求 1或 2所述的图像合成编码方法，其特征在于，基于所述编码步骤中检测的运动矢量信息检测合成图像的运动，基于所述检测的运动控制所述编码步骤中进行编码时使用的参考图像的更新周期。 - 中国語 特許翻訳例文集

図4を参照して上述した実施形態とは異なり、局2は、局1のTxセクタスイーピングプロセスへのフィードバックを特定するIE（例えば、最も良好な受信データユニットの識別子）、並びに局2におけるRxセクタスイープ要求又は要求するRxセクタスイーププロセスにおけるトレーニングデータユニットの望ましい数を特定するIEを含むトレーニングデータユニットのシーケンス262を送信する（同時に、反復して、ステアリングベクトルuを切り替える）ことにより、Txスイーププロセスを開始してもよい。

与以上参考图 4而讨论的形成对照，站点 2可以通过发送训练数据单元序列 262来发起 Tx扫描过程 (同时迭代地切换导向矢量 u)，序列 262包括规定了对站点 1的 Tx扇区扫描过程的反馈的 IE(例如，接收到的最佳数据单元的标识符 )，以及指示站点 2处的 Rx扇区扫描请求、可能规定了所请求的 Rx扇区扫描过程中的期望训练数据单元数目的附加 IE。 - 中国語 特許翻訳例文集

すなわち、動画像符号化プログラムP100の各モジュールの機能は、ブロック分割器102、予測信号推定装置113、予測信号生成器103、動きベクトル予測器114、フレームメモリ104、減算器105、変換器106、量子化器107、逆量子化器108、逆変換器109、加算器110、エントロピー符号化器111、予測候補ブロック選択器202、予測動きベクトル探索器203、差分器204、メモリ210、判定器231、切り替え器232、テンプレートマッチング器233、探索領域設定器240、対象隣接領域取得器241、予測隣接領域取得器242、及び候補予測領域選択器候補243の機能と同様である。

即，动态图像编码程序 P100的各模块的功能与块分割器 102、预测信号估计装置 113、预测信号生成器 103、运动矢量预测器 114、帧存储器 104、减法器 105、转换器 106、量化器 107、逆量化器108、逆转换器109、加法器110、熵编码器111、预测候选块选择器202、预测运动矢量搜索器 203、差分器 204、存储器 210、判定器 231、切换器 232、模板匹配器 233、搜索区域设定器 240、对象邻接区域取得器 241、预测邻接区域取得器 242以及候选预测区域选择器243的功能相同。 - 中国語 特許翻訳例文集

カメラ本体1は、メカシャッター101と、撮像素子102と、アナログ処理部103と、アナログ/デジタル変換部104（以下、A/D変換部104）と、バス105と、SDRAM106と、画像処理部107と、AE処理部108と、AF処理部109と、画像圧縮伸長部110と、メモリインターフェース111（以下、メモリI/F111）と、記録媒体112と、LCDドライバ113と、LCD114と、マイクロコンピュータ115と、操作部116と、Flashメモリ117と、振動検出センサ118と、動きベクトル算出部119と、合成処理部120と、を有している。

照相机主体 1具有机械快门 101、摄像元件 102、模拟处理部 103、模数转换部104(以下称之为 A/D转换部 104)、总线 105、SDRAM106、图像处理部 107、AE处理部 108、AF处理部109、图像压缩解压缩部110、存储器接口111(以下称之为存储器I/F111)、记录介质112、LCD驱动器 113、LCD114、微计算机 115、操作部 116、闪存 117、振动检测传感器 118、运动矢量计算部 119、合成处理部 120。 - 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