Classification proceeds as a two-st

Classification proceeds as a two-step process. In the
first step, a class pruner creates a shortlist of character
classes that the unknown might match. Each feature
fetches, from a coarsely quantized 3-dimensional lookup
table, a bit-vector of classes that it might match, and
the bit-vectors are summed over all the features. The
classes with the highest counts (after correcting for
expected number of features) become the short-list for
the next step.
Each feature of the unknown looks up a bit vector of
prototypes of the given class that it might match, and
then the actual similarity between them is computed.
Each prototype character class is represented by a
logical sum-of-product expression with each term
called a configuration, so the distance calculation
process keeps a record of the total similarity evidence
of each feature in each configuration, as well as of each
prototype. The best combined distance, which is
calculated from the summed feature and prototype
evidences, is the best over all the stored configurations
of the class.

ผลลัพธ์ (ไทย) 2:

รายได้การจัดหมวดหมู่เป็นกระบวนการสองขั้นตอน ใน
ขั้นตอนแรก pruner ชั้นสร้างตัวเลือกของตัวละคร
ชั้นเรียนที่ไม่รู้จักอาจจะตรงกับ คุณลักษณะแต่ละ
เรียกจากการค้นหาแบบ 3 มิติไทหยาบ
ตารางบิตเวกเตอร์ของการเรียนว่ามันอาจจะตรงและ
บิตเวกเตอร์จะมีการสรุปในช่วงคุณลักษณะทั้งหมด
ชั้นเรียนที่มีจำนวนมากที่สุด (หลังจากการแก้ไขสำหรับ
จำนวนที่คาดหวังของคุณสมบัติ) เป็นรายการสั้นสำหรับ
ขั้นตอนต่อไป.
คุณสมบัติของแต่ละคนที่ไม่รู้จักเงยหน้าขึ้นเวกเตอร์บิตของ
ต้นแบบของการเรียนที่ได้รับว่ามันอาจจะตรงและ
เกิดขึ้นจริงแล้ว ความคล้ายคลึงกันระหว่างพวกเขาคือการคำนวณ.
ชั้นตัวต้นแบบแต่ละครั้งจะถูกแสดงโดย
การแสดงออก sum-of-สินค้าตรรกะกับแต่ละคำ
ที่เรียกว่าการกำหนดค่าเพื่อคำนวณระยะทาง
ขั้นตอนการเก็บบันทึกหลักฐานที่คล้ายคลึงกันรวม
ของแต่ละคุณลักษณะในการกำหนดค่าแต่ละเช่นกัน เป็นของแต่ละ
ต้นแบบ รวมระยะทางที่ดีที่สุดซึ่งมีการ
คำนวณจากคุณลักษณะสรุปต้นแบบและ
หลักฐานที่ดีที่สุดกว่าทุกการกำหนดค่าที่เก็บไว้
ในชั้นเรียน

ผลลัพธ์ (ไทย) 3:

การจำแนกรายได้ในฐานะที่เป็นกระบวนการสองขั้นตอน ใน
ขั้นตอนแรก คลาสผู้ตัดไม้สร้าง shortlist ของตัวละคร
บทเรียนที่ไม่รู้จักอาจจะตรงกับ แต่ละคุณลักษณะ
จะเรียกจากหยาบที่แน่นอน 3 มิติค้นหา
โต๊ะ , บิตเวกเตอร์ของชั้นเรียนที่อาจตรงกับและ
บิตเวกเตอร์จะสรุปผ่านคุณสมบัติทั้งหมด
ห้องเรียนมีค่าสูงสุด ( หลังจากที่การแก้ไขสำหรับ
คาดว่าจำนวนคุณสมบัติ ) กลายเป็นรายการสั้น

แต่ละขั้นตอนถัดไป คุณสมบัติของไม่รู้จักดูบิตเวกเตอร์
ต้นแบบของให้ชั้นว่ามันอาจจะตรงกับ และความเหมือนจริง
แล้วระหว่างพวกเขาจะคำนวณ .
แต่ละต้นแบบตัวละครคลาสแทนด้วย
ตรรกะผลรวมของการแสดงออกผลิตภัณฑ์ กับแต่ละเทอม
เรียกว่าปรับแต่ง ดังนั้นระยะทางคำนวณ
กระบวนการเก็บบันทึกทั้งหมดของความเหมือนหลักฐาน
ของแต่ละคุณลักษณะในแต่ละการตั้งค่าเช่นเดียวกับแต่ละ
ต้นแบบ ระยะทางรวมที่ดีที่สุด ซึ่งคำนวณได้จากสรุปคุณลักษณะและ

หลักฐานต้นแบบ ดีที่สุดกว่าทุกเก็บค่าของชั้น

.