What is the translation of " FEATURE EXTRACTION " in Russian?

• выделение признаков
• извлечения признаков

Examples of using Feature extraction in English and their translations into Russian

Performance Comparison of feature extraction methods.
Сравнение производительности методов извлечения признаков.

Feature extraction for the automated detection of standard geometry elements.
Функция извлечения элементов для автоматического обнаружения стандартных геометрических объектов.

WEKA does not contain feature extraction routines.
WEKA не содержит процедур извлечения признаков feature extraction.

Feature selection techniques should be distinguished from feature extraction.
Техники отбора признаков следует отличать от выделения признаков.

Efficient audio net encoding and feature extraction for in-core and out-of-core audio objects.
Эффективное сетевое аудио кодирование и извлечение признаков для внутренних и внешних аудио объектов.

GNU Ocrad is an optical character recognition program based on a feature extraction method.
GNU Ocrad- программа оптического распознавания текста на базе метода извлечения отличительных особенностей.

Feature extraction involves reducing the amount of resources required to describe a large set of data.
Выделение признаков вовлекает сокращение числа ресурсов, необходимых для описания большого набора данных.

Visualize a Dataset Using Feature Extraction.
Визуализируйте набор данных при помощи извлечения их признаков.

The feature extraction functionality can be used to visualize datasets or to create semantic distances for search systems.
Функциональные возможности извлечения признаков могут быть использованы для визуализации данных или для создания семантических расстояний для поисковых систем.

Expanded and enhanced machine learning functionality, including feature extraction and Bayesian optimization.
Расширенные и усиленные функциональные возможности машинного обучения, включая вычленение признаков и байесовскую оптимизацию.

Feature extraction is a general term for methods of constructing combinations of the variables to get around these problems while still describing the data with sufficient accuracy.
Выделение признаков является основным термином для методов построения комбинаций переменных, чтобы обойти эти проблемы, тем не менее описывая данные с достаточной точностью.

Many machine learning practitioners believe that properly optimized feature extraction is the key to effective model construction.
Многие практики обучения машин верят, что должным образом оптимизированное выделение признаков является ключом для построения эффективной модели.

Feature extraction creates new features from functions of the original features, whereas feature selection returns a subset of the features..
Выделение признаков создает новые признаки как функции от оригинальных признаков, в то время как отбор признаков возвращает подмножество признаков..

Besides basic algorithms for segmentation, feature extraction and description, algorithms based on machine learning are presented.
Помимо базовых алгоритмов сегментации, выделения и описания локальных особенностей, рассматриваются алгоритмы, основанные на машинном обучении.

Deep learning is a class of machine learning algorithms that: use a cascade of multiple layers of nonlinear processing units for feature extraction and transformation.
Глубокое обучение характеризуется, как класс алгоритмов машинного обучения, который: использует многослойную систему нелинейных фильтров для извлечения признаков с преобразованиями.

Appearance based object categorization typically contains feature extraction, learning a classifier, and applying the classifier to new examples.
Классификация по обнаружению объекта обычно содержит выделение признаков, обучение классификатора и применение классификатора к новым данным.

Cluster analysis Dimensionality reduction Feature detection Feature selection Data mining Connected-component labeling Segmentation(image processing) Space mapping Dynamic texture"What is Feature Extraction?". deepai. org.
Кластерный анализ Снижение размерности Выявление признаков Отбор признаков Data mining Маркировка связных компонент Сегментация( обработка изображений) What is Feature Extraction?( неопр.). deepai. org.

The ultimate goal, assuming a large enough dataset, is to help a machine mimic the human brain's feature extraction and abstract association capabilities from new uncategorized data.
Конечной целью, исходя из достаточно большого набора данных, помочь машине имитировать выделение признаков человеческим и создать возможность нахождения абстрактных ассоциаций из новых неклассифицированных данных.

Feature extraction is a dimensionality reduction process, where an initial set of raw variables is reduced to more manageable groups(features) for processing, while still accurately and completely describing the original data set.
Выделение признаков- это процесс снижения размерности, в котором исходный набор сырых переменных сокращается до более управляемых групп( признаков) для дальнейшей обработки, оставаясь при этом достаточным набором для точного и полного описания исходного набора данных.

Common numerical programming environments such as MATLAB, SciLab, NumPy and the R language provide some of the simpler feature extraction techniques(e.g. principal component analysis) via built-in commands.
Общие системы численной обработки, такие как MATLAB, Scilab, NumPy и язык R поддерживают некоторые простые техники выделения признаков( например, метод главных компонент) с помощью встроенных команд.

In machine learning, pattern recognition and in image processing, feature extraction starts from an initial set of measured data and builds derived values(features) intended to be informative and non-redundant, facilitating the subsequent learning and generalization steps, and in some cases leading to better human interpretations.
Выделение признаков начинает с исходного набора данных, выводит вторичные значения( признаки), для которых предполагается, что они должны быть информативными и не быть избыточными, что способствует последующему процессу обучения машины и обобщению шагов, а в некоторых случаях ведет и к лучшей человеческой интерпретацией данных.

In a typical machine learning application, practitioners must apply the appropriate data pre-processing, feature engineering, feature extraction, and feature selection methods that make the dataset amenable for machine learning.
В типичном приложении обучения машины практический работник должен применить подходящие методы предварительной обработки данных, конструирования признаков, выделения признаков и выбора признаков, которые делают набор данных пригодным для обучения машин.

Feature extraction and dimension reduction can be combined in one step using principal component analysis(PCA), linear discriminant analysis(LDA), canonical correlation analysis(CCA), or non-negative matrix factorization(NMF) techniques as a pre-processing step followed by clustering by K-NN on feature vectors in reduced-dimension space.
Выделение признаков и снижение размерности может быть скомбинировано в один шаг с помощью метода главных компонент( МГК), линейного дискриминантного анализа( ЛДА), канонического корреляционного анализа( ККА) или неотрицательного разложения матрицы( НМР) как предварительный шаг с последующей группировкой с помощью K- NN на векторе признаков в пространстве редуцированной размерности.

Image processing and derivation of surveillance and monitoring products of 1,200 km2, feature extraction of 10,800 km2, topographic mapping of 92,600 km2, and thematic mapping of 54,000 km2 of ground surface.
Обработка изображений и получение продуктов для наблюдения и контроля территории площадью 1200 кв. км, выделение признаков территории площадью 10 800 кв. км, составление топографических карт территории площадью 92 600 кв. км и составление тематических карт территории площадью 54 000 кв. км.

In particular, digital image processing is the only practical technology for: Classification Feature extraction Multi-scale signal analysis Pattern recognition Projection Some techniques which are used in digital image processing include: Anisotropic diffusion Hidden Markov models Image editing Image restoration Independent component analysis Linear filtering Neural networks Partial differential equations Pixelation Principal components analysis Self-organizing maps Wavelets Digital filters are used to blur and sharpen digital images.
В частности, цифровая обработка изображения является единственной практичной технологией для: классификации выделения признаков обработки сигналов распознавания образов проецирования Некоторые техники, которые используются в цифровой обработке изображения: Анизоторопная диффузия Скрытые марковские модели Редактирование изображений Восстановление изображения Анализ независимых компонент Линейная фильтрация Нейронные сети Дифференциальные уравнения в частных производных Пикселизация Метод главных компонент Самоорганизующиеся карты Кохонена Вейвлеты Цифровые фильтры используются для размывания и увеличения резкости цифровых изображений.

How to gold prospecting activity, cause profound environmental impact, because its main feature extraction based on the random ore mining and solid waste and dispersal of mercury to the drainage, causing siltation and accumulation of sand or lands of the rivers.
Как к золоту поиска деятельности, вызывают глубокое воздействие на окружающую среду, потому что его основная функция извлечения на основе случайных руд и твердых отходов и рассеивания ртути для дренажа, вызывая заиливания и накопление песка или земли рек.

Furthermore, the Centre is currently involved in building a geo-database through feature extraction of high-resolution ortho-rectified satellite images for Image Map City production, which could be of use for decision makers, planners and project managers.
Кроме того, Центр в настоящее время занимается созданием базы географических данных путем выделения характерных признаков ортотрансформированных спутниковых изображений с высокой разрешающей способностью для подготовки городских карт, которые могли бы использоваться директивными органами, проектировщиками и руководителями проектов.

Feature: Contains a variety of extraction essence.
Характеристика: Содержит различную экстракцию сущность.

Features(Brightness Extraction).
Особенности( Яркость Добыча).

Features(Edge Extraction).
Особенности( Цвет Добыча).