Learning operates on feature select

Learning operates on feature selection space, which is significantly smaller than the traditional architectural-level configuration space. The features in FUSION encode the engineer’s domain knowledge of the practical variation points in a given application. For instance, the engineer may only consider a small reasonable subset of MNP authentication driven architectural choices (recall Section 2). Figure 1b shows two authentication strategies modeled as features in TRS: F3 and F4. These two features represent what the TRS security engineer envisioned to be the reasonable applications of authentication in the system.

결과 (한국어) 1:

학습은 전통적인 건축 수준 구성 공간 보다 상당히 기능 선택 공간에서 작동 합니다. 지정된 된 응용 프로그램에 실용적인 변화 포인트의 엔지니어의 도메인 지식 융합에서 기능 인코딩할 수 있습니다. 예를 들어, 엔지니어 MNP 인증 건축 선택 (제 2 회) 중심의 합리적인 적고를 고려할 수 있습니다. 그림 1b 보여줍니다 TRS에 기능으로 모델링 하는 두 가지 인증 전략: F3 및 F4. 이 두 기능은 어떤 TRS 보안 엔지니어를 시스템에서 인증의 합리적인 응용 프로그램을 되도록 구상 나타냅니다.

결과 (한국어) 2:

학습은 전통적인 건축 수준 구성 공간보다 훨씬 작 기능 선택 공간에서 동작한다. FUSION의 기능은 주어진 애플리케이션에서 실제 변화 점의 엔지니어의 도메인 지식을 인코딩한다. 예를 들어, 엔지니어는 MNP 인증 기반 아키텍처 선택의 작은 합리적인 부분 집합 (리콜 2 절)을​​ 고려할 수 있습니다. F3와 F4 : 그림 1b는 TRS의 기능으로 모델링 두 가지 인증 전략을 보여줍니다. 이들 두 기능은 TRS 보안 기술자는 시스템 인증 어플리케이션으로 합리적인 구상 무엇 나타낸다.

결과 (한국어) 3:

학습 작업 속성 선택 공간, 이 훨씬 더 전통 건축 레벨 설정 공간.융합 인코딩 기능 엔지니어 실제 변화 좀 분야의 지식을 어느 신청.예를 들면,엔지니어 정말 작은 합리적인 단지 한 부분 집합 인증 때문에 건축 선택 (기억 정말 제 2).그림 1: 모델 중 두 인증 전략 특징 강도: f3, f4.이 두 가지 기능을 어찌 시스템 보안 시스템 엔지니어 될 인증 합리적인 응용 시스템.