-
公开(公告)号：CN103038727A
公开(公告)日：2013-04-10
申请号：CN201180032265.4
申请日：2011-06-14
申请人： 微软公司
发明人： P·托塞尔 , A·威尔逊 , A·A-A·基普曼 , J·C·李 , A·巴兰 , J·肖顿 , R·摩尔 , O·威廉姆斯 , R·盖斯 , M·菲诺齐奥 , K·S·佩雷斯 , A·科恩布卢姆 , J·克拉维
CPC分类号： G06K9/00342 , G06K9/00369
摘要： 本发明公开了用于使用NUI系统来识别和跟踪用户的骨架关节的系统和方法，并且进一步公开了用于只识别和跟踪一些骨架关节（如用户的上半身）的系统和方法。该系统可包括肢体标识引擎，它可使用各种方法来评估、标识并跟踪场景中的一个或多个用户的身体部位的位置。在各示例中，可通过将视野分成各较小的区并且一次集中于一个区来实现进一步的处理效率。此外，每一个区可具有它自己的被识别的预定义姿势。
-
公开(公告)号：CN102571315B
公开(公告)日：2015-07-15
申请号：CN201110443126.2
申请日：2011-12-26
申请人： 微软公司
IPC分类号： H04L7/00
CPC分类号： G01S19/03 , A63F13/06 , A63F13/12 , A63F2300/10 , G01D21/00 , G01S5/0018 , G06F3/011 , G06F3/017 , G06F3/0304 , G06F3/038 , H04J3/0667 , H04W84/18
摘要： 本发明涉及在设备的范围内同步传感器数据。在此提供用于在设备之间同步传感器信号的技术。这些设备中的一个或多个可以收集传感器数据。该设备可以从这些传感器数据中创建传感器信号，其中该设备可以按照发布者/订阅者模型使所述传感器信号对其他设备可用。所述其他设备可以订阅它们选择的传感器信号。设备可以是传感器信号的提供者或消费者。设备可以在操作系统与软件应用之间具有代码层，其中该代码层处理所述数据以用于所述应用。该处理可以尤其是包括诸如下列动作：将传感器信号中的数据同步到本地时间时钟；为传感器信号中的数据预测未来值；以及以应用所请求的频率提供传感器信号的数据采样。
-
公开(公告)号：CN102566981B
公开(公告)日：2015-01-14
申请号：CN201110443208.7
申请日：2011-12-14
申请人： 微软公司
CPC分类号： G06N99/005 , G06K9/00986 , G06K9/6281 , G06N5/046
摘要： 本发明涉及并行处理机器学习决策树训练。此处所公开的各实施例涉及通过基于图形处理单元(GPU)的机器学习来生成决策树。例如，一个实施例提供了一种方法，包括，对于决策树的每个层级：在并行处理流水线的每个GPU处对示例集中的每个示例执行针对特征集中的一个特征的特征测试。方法进一步包括将特征测试的结果累积在本地存储器块中。该方法还包括，将累积的结果从每个本地存储器块的写入到全局存储器，以生成层级中的每个节点的特征的直方图，并且对于层级中的每个节点，根据直方图将具有最低熵的特征分配给该节点。
-
公开(公告)号：CN102571315A
公开(公告)日：2012-07-11
申请号：CN201110443126.2
申请日：2011-12-26
申请人： 微软公司
IPC分类号： H04L7/00
CPC分类号： G01S19/03 , A63F13/06 , A63F13/12 , A63F2300/10 , G01D21/00 , G01S5/0018 , G06F3/011 , G06F3/017 , G06F3/0304 , G06F3/038 , H04J3/0667 , H04W84/18
摘要： 本发明涉及在设备的范围内同步传感器数据。在此提供用于在设备之间同步传感器信号的技术。这些设备中的一个或多个可以收集传感器数据。该设备可以从这些传感器数据中创建传感器信号，其中该设备可以按照发布者/订阅者模型使所述传感器信号对其他设备可用。所述其他设备可以订阅它们选择的传感器信号。设备可以是传感器信号的提供者或消费者。设备可以在操作系统与软件应用之间具有代码层，其中该代码层处理所述数据以用于所述应用。该处理可以尤其是包括诸如下列动作：将传感器信号中的数据同步到本地时间时钟；为传感器信号中的数据预测未来值；以及以应用所请求的频率提供传感器信号的数据采样。
-
公开(公告)号：CN102566981A
公开(公告)日：2012-07-11
申请号：CN201110443208.7
申请日：2011-12-14
申请人： 微软公司
CPC分类号： G06N99/005 , G06K9/00986 , G06K9/6281 , G06N5/046
摘要： 本发明涉及并行处理机器学习决策树训练。此处所公开的各实施例涉及通过基于图形处理单元(GPU)的机器学习来生成决策树。例如，一个实施例提供了一种方法，包括，对于决策树的每个层级：在并行处理流水线的每个GPU处对示例集中的每个示例执行针对特征集中的一个特征的特征测试。方法进一步包括将特征测试的结果累积在本地存储器块中。该方法还包括，将累积的结果从每个本地存储器块的写入到全局存储器，以生成层级中的每个节点的特征的直方图，并且对于层级中的每个节点，根据直方图将具有最低熵的特征分配给该节点。
-
公开(公告)号：CN102331992A
公开(公告)日：2012-01-25
申请号：CN201110162273.2
申请日：2011-06-08
申请人： 微软公司
IPC分类号： G06F17/30
CPC分类号： G06K9/6282
摘要： 本发明涉及分布式决策树训练。计算机化的决策树训练系统可以包括被配置为接收用于训练决策树的训练数据输入的分布式控制处理单元。系统可以进一步包括多个数据批处理单元，其中每个数据批处理单元被配置为为训练数据的分别的数据批次评估决策树的多个分裂函数中的每一个，从而为每个分裂函数、为数据批次中的每个数据计算部分的直方图。系统可以进一步包括多个节点批处理单元，节点批处理单元被配置为为每个分裂函数聚集相关的部分直方图，以为边缘树节点的子集中的每个节点的每个分裂函数形成聚集的直方图，并且被配置为通过计算为边缘树节点产生最高的信息增益的分裂函数来为每个边缘树节点确定选定的分裂函数。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.024 秒)
