5.2. ClassificationClassification p

5.2. Classification
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) 1:

5.2 การจัดประเภทดำเนินการจัดประเภทเป็นสองขั้นตอน ในขั้นแรก pruner ชั้นสร้าง shortlist ของประเภทของตัวอักขระที่ไม่รู้จักอาจตรงกับ แต่ละคุณลักษณะดสูง จากตารางค้นหา 3 มิติหยาบ quantized บิตเวกเตอร์ของชั้นซึ่งอาจตรง และบิตเวกเตอร์จะถูกบวกรวมกันกว่าคุณลักษณะทั้งหมด เรียนกับจำนวนสูงสุด (หลังจากแก้ไขจำนวนคุณลักษณะที่คาดหวัง) เป็น short-list สำหรับขั้นตอนต่อไป แต่ละคุณลักษณะไม่รู้จักค้นหาเวกเตอร์บิตของต้นแบบของคลาสที่กำหนดที่มันอาจตรงกับ และจากนั้น คำนวณความคล้ายกันจริงระหว่างพวกเขา เรียนอักขระแต่ละต้นแบบจะแสดงผลรวมของผลิตภัณฑ์นิพจน์ตรรกะด้วยแต่ละคำที่เรียกว่าโครงแบบ เพื่อการคำนวณระยะห่างเก็บเรกคอร์ดหลักฐานคล้ายคลึงรวม ของแต่ละคุณลักษณะในแต่ละโครงแบบ เช่นเดียว กับต้นแบบแต่ละ ดีสุดรวมระยะทาง ซึ่งคำนวณจากคุณลักษณะ summed และสร้างหลักฐาน เป็นส่วนที่เก็บค่าของชั้น

ผลลัพธ์ (ไทย) 2:

5.2 การจำแนกประเภท
เงินการจัดหมวดหมู่เป็นกระบวนการสองขั้นตอน ในขั้นตอนแรก pruner ชั้นสร้างตัวเลือกของชั้นเรียนตัวอักษรที่ไม่รู้จักอาจจะตรงกับ คุณลักษณะแต่ละ
เรียกจากตารางการค้นหา 3 มิติไทหยาบบิตเวกเตอร์ของการเรียนว่ามันอาจจะตรงและ
บิตเวกเตอร์จะมีการสรุปในช่วงคุณลักษณะทั้งหมด ชั้นเรียนที่มีจำนวนมากที่สุด (หลังจากการแก้ไขสำหรับจำนวนที่คาดหวังของคุณสมบัติ) เป็นรายการสั้นสำหรับ
ขั้นตอนต่อไป คุณลักษณะที่ไม่รู้จักแต่ละเงยหน้าขึ้นเวกเตอร์บิตของต้นแบบของการเรียนที่ได้รับว่ามันอาจจะตรงแล้วคล้ายคลึงกันเกิดขึ้นจริงระหว่างพวกเขาคือการคำนวณ ชั้นตัวต้นแบบแต่ละครั้งจะถูกแสดงโดยการแสดงออก sum-of-สินค้าตรรกะ
กับแต่ละคำที่เรียกว่าการกำหนดค่าเพื่อให้กระบวนการการคำนวณระยะทางที่เก็บบันทึกหลักฐานที่คล้ายคลึงกันรวมของแต่ละคุณลักษณะในการกำหนดค่าแต่ละเช่นเดียวกับของแต่ละต้นแบบ รวมระยะทางที่ดีที่สุดซึ่งคำนวณจากคุณลักษณะสรุปและหลักฐานต้นแบบที่ดีที่สุดกว่าทุกการกำหนดค่าที่เก็บไว้ในชั้นเรียน

ผลลัพธ์ (ไทย) 3:

5.2 . การจำแนกหมวดหมู่
รายได้ในฐานะที่เป็นกระบวนการสองขั้นตอน ในขั้นตอนแรก คลาสผู้ตัดไม้สร้าง shortlist ของชั้นเรียนตัวอักษรที่ไม่รู้จัก อาจจะตรงกับ แต่ละคุณลักษณะ
การดึงข้อมูล จากตารางที่แน่นอนหยาบ 3 มิติค้นหาบิตเวกเตอร์ของชั้นเรียนที่อาจตรงกับและ
บิตเวกเตอร์จะสรุปผ่านคุณสมบัติทั้งหมดเรียนด้วยนับสูงสุด ( หลังจากที่การแก้ไขสำหรับคาดว่าจำนวนคุณสมบัติ ) กลายเป็นรายชื่อ
ขั้นตอนถัดไป แต่ละคุณลักษณะที่ไม่รู้จักดูบิตเวกเตอร์ต้นแบบจากให้ชั้นว่ามันอาจจะตรงกับ และ ความเหมือนจริงระหว่างพวกเขาจะคำนวณ . ต้นแบบตัวละครแต่ละคลาสจะแสดงผลรวมของผลิตภัณฑ์
การแสดงออกตรรกะกับแต่ละระยะที่เรียกว่าการตั้งค่าดังนั้นระยะทางการคำนวณกระบวนการเก็บบันทึกทั้งหมดของความเหมือน หลักฐานของแต่ละคุณลักษณะในแต่ละการตั้งค่า เป็น ของแต่ละเครื่อง ระยะทางรวมที่ดีที่สุด ซึ่งคิดจากหลักฐาน และสรุปคุณลักษณะต้นแบบ ดีที่สุดกว่าทุกแบบของชั้น
เก็บไว้