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