Please note that more complex scene

Please note that more complex scenes cause longer
processing times in all cases (indeed, every graph tends to
be an enlarged or shrinked versions of another) but higher
492
values for N increase significantly the average processing
times (dashed lines). Surprisingly enough, the prediction
error will not decrease by considering a larger number of
inputs to the RBF network. Figure 3 shows that prediction
errors are higher in more complex scenes (around frames 30
and 80-90), but no relationship seems to hold between the
prediction error level and the value of N
This can be explained considering that only a small number
of significant behaviour prototypes exist, and adding new
ones does not necessarily mean adding fresh information
[2]. Although too small values of N may lead back to
linear-like prediction, it is needless to increase N beyond
some units. Optimal value for N, however, increases when
we consider predictions further in the future. For our
experiments we set N=8 for next-frame (k+1) forecasting,
N=9 for k+2-frame forecasting, N=10 for k+3-frame
forecasting.
With all the parameters set using the above criteria, we get
average processing times around 14 minutes per map for
the synthesis phase and around 48 seconds for the forecast
phase.

ผลลัพธ์ (ไทย) 1:

โปรดทราบว่า ฉากที่ซับซ้อนทำให้เกิดอีกต่อไประยะเวลาในทุกกรณี (แน่นอน ทุกกราฟมีแนวโน้มที่เป็นการขยาย หรือนำมาลดรุ่นอื่น) แต่สูงกว่า492เพิ่มค่า N มากการประมวลผลเฉลี่ยเวลา (เส้นประ) น่าแปลกที่เพียงพอ การคาดการณ์ข้อผิดพลาดจะไม่ลดลง โดยพิจารณาจำนวนสัญญาณเข้ากับเครือข่าย RBF รูปที่ 3 แสดงการคาดเดาว่าข้อผิดพลาดมีสูงในฉากที่ซับซ้อนมากขึ้น (ประมาณ 30 เฟรมและ 80-90), แต่ไม่มีความสัมพันธ์ที่ดูเหมือนว่าจะ ค้างไว้ระหว่างทำนายผิดพลาดระดับและค่าของ Nนี้สามารถอธิบายได้พิจารณาจำนวนเล็ก ๆ เท่านั้นพฤติกรรมที่สำคัญต้นแบบมีอยู่ และเพิ่มใหม่คนไม่ได้หมาย เพิ่มข้อมูลใหม่[2] แม้ว่าค่า N เล็กเกินไปอาจนำกลับไปทำนายเชิงเส้นเหมือน ก็จำเป็นที่จะเพิ่มขึ้น N เกินบางหน่วย ค่าที่เหมาะสมสำหรับ N อย่างไรก็ตาม เพิ่มขึ้นเมื่อเราพิจารณาคาดการณ์ต่อไปในอนาคต สำหรับเราการทดลองที่เราตั้งค่า N = 8 สำหรับกรอบถัดไป (k + 1) การคาดการณ์N = 9 k + 2-โครงการคาดการณ์ N = 10 k +เฟรม 3การคาดการณ์มีพารามิเตอร์ทั้งหมดที่ตั้งค่าโดยใช้เกณฑ์ข้างต้น เราได้รับการประมวลผลเวลาประมาณ 14 นาทีต่อแผนที่สำหรับค่าเฉลี่ยขั้นตอนการสังเคราะห์และการคาดการณ์ประมาณ 48 วินาทีขั้นตอนนี้

ผลลัพธ์ (ไทย) 2:

โปรดทราบว่าฉากที่ซับซ้อนมากขึ้นทำให้เกิดอีกต่อไป
เวลาการประมวลผลในทุกกรณี (ที่จริงทุกกราฟมีแนวโน้มที่
จะขยายหรือ shrinked รุ่นอื่น) แต่สูง
492
ค่าหา N เพิ่มขึ้นอย่างมีนัยสำคัญค่าเฉลี่ยของการประมวลผล
ครั้ง (เส้นประ) น่าแปลกที่พอทำนาย
ข้อผิดพลาดจะไม่ลดลงโดยพิจารณาเป็นจำนวนมากของ
ปัจจัยการผลิตไปยังเครือข่าย RBF รูปที่ 3 แสดงให้เห็นว่าการคาดการณ์
ผิดพลาดที่สูงขึ้นในฉากที่ซับซ้อนมากขึ้น (ประมาณ 30 เฟรม
และ 80-90) แต่ไม่มีความสัมพันธ์น่าจะถือระหว่าง
ระดับความผิดพลาดการทำนายและความคุ้มค่าของ N
นี้สามารถอธิบายได้พิจารณาว่ามีเพียงจำนวนน้อย
อย่างมีนัยสำคัญ ต้นแบบพฤติกรรมอยู่และเพิ่มใหม่
คนไม่ได้หมายความว่าการเพิ่มข้อมูลใหม่
[2] แม้ว่าค่าขนาดเล็กเกินไปของ N อาจนำกลับไป
ทำนายเชิงเส้นเหมือนมันเป็นความจำเป็นที่จะเพิ่มขึ้นเกินกว่า N
บางหน่วย ค่าที่ดีที่สุดสำหรับ N, แต่เพิ่มขึ้นเมื่อ
เราพิจารณาคาดการณ์ต่อไปในอนาคต สำหรับเรา
การทดลองเราตั้ง N = 8 สำหรับถัดกรอบ (k + 1) การคาดการณ์
N = 9 สำหรับการพยากรณ์ K + 2 เฟรม, N = 10 K + 3 กรอบ
การคาดการณ์.
ด้วยพารามิเตอร์ทั้งหมดตั้งค่าการใช้เกณฑ์ข้างต้น เราได้รับ
การประมวลผลครั้งโดยเฉลี่ยประมาณ 14 นาทีต่อแผนที่สำหรับ
ขั้นตอนการสังเคราะห์และบริเวณใกล้เคียง 48 วินาทีสำหรับการคาดการณ์
เฟส

ผลลัพธ์ (ไทย) 3:

โปรดทราบว่าฉากที่ซับซ้อนมากขึ้นเพราะอีกต่อไปเวลาประมวลผลในทุกกรณี ( แน่นอน ทุกกราฟ มีแนวโน้มที่จะเป็นการขยายหรือ shrinked รุ่นอื่น ) แต่สูงกว่า492ค่า N เพิ่มขึ้นอย่างมากในการประมวลผลเฉลี่ยครั้ง ( เส้นประ ) จู่ ๆพอทำนายข้อผิดพลาดจะไม่ลดลง โดยพิจารณาจากเลขขนาดใหญ่ของกระผมกับบริษัทเครือข่าย รูปที่ 3 แสดงให้เห็นว่าการทำนายข้อผิดพลาดจะสูงกว่าในฉากที่ซับซ้อนมากขึ้น ( รอบเฟรม 30แล้ว 80-90 ) แต่ไม่มีความสัมพันธ์ดูเหมือนจะถือ ระหว่างระดับข้อผิดพลาดการทำนายค่าของ Nนี้สามารถอธิบายได้พิจารณาว่าเพียงจํานวนน้อยต้นแบบพฤติกรรมสำคัญอยู่ และเพิ่มใหม่ที่ไม่ได้หมายความว่าการเพิ่มข้อมูลสด[ 2 ] แม้ว่าค่าเล็กเกินไป N อาจนำกลับไปสู่เส้นเหมือนคำทำนาย มันไม่จำเป็นต้องเพิ่ม N เกินกว่าบางหน่วย ที่เหมาะสมค่า N , แต่เพิ่มขึ้นเมื่อเราพิจารณาการคาดการณ์ต่อไปในอนาคต สำหรับการทดลองที่เราตั้งค่า n = 8 เฟรมถัดไป ( k + 1 ) การพยากรณ์N = 9 K + 2-frame พยากรณ์ , N = 10 K + 3-frameการพยากรณ์กับพารามิเตอร์ทั้งหมด โดยใช้เกณฑ์ข้างต้นที่เราได้รับเฉลี่ยเวลาการประมวลผลประมาณ 14 นาทีต่อแผนที่สำหรับการสังเคราะห์และระยะประมาณ 48 วินาที สำหรับการคาดการณ์เฟส