သင်၏အချိန်စီးရီးဒေတာကို စကင်န်ဖတ်ပြီး မည်သည့်ကြိမ်နှုန်းလှိုင်းနှုန်းများတွင် ဖွဲ့စည်းပုံပါဝင်သည်ကို ဖော်ထုတ်ပေးကာ လှိုင်းနှုန်းတစ်ခုစီကို အမျိုးအစားငါးမျိုးထဲမှ တစ်မျိုးအဖြစ် ခွဲခြားပေးပြီး စနစ်၏အပြုအမူပြောင်းလဲသည့် အတိအကျအချိန်ကို ထောက်လှမ်းပေးသည့် မော်ဒယ်-ကင်းသော ကိရိယာတစ်ခု။
ကျွန်ုပ်သည် သင်၏အချိန်စီးရီးဒေတာကို အလိုအလျောက် ကြိမ်နှုန်းလှိုင်းနှုန်းစကင်န်ဖတ်ခြင်းနှင့် အခြေအနေပြောင်းလဲမှု ထောက်လှမ်းခြင်းတို့ဖြင့် ရောဂါရှာဖွေပေးပါမည်။
အလိုအလျောက် လှိုင်းနှုန်းစကင်န်ဖတ်ခြင်းနှင့် ၅-အမျိုးအစား ခွဲခြားသတ်မှတ်ခြင်းတို့ပါဝင်သော တစ်ခုတည်းသော ဒေတာအစုံ ရောဂါရှာဖွေရေးအစီရင်ခံစာ။
- အလိုအလျောက် ကြိမ်နှုန်းလှိုင်းနှုန်းစကင်န်ဖတ်ခြင်း
- ငါးမျိုးခွဲခြားခြင်း (အချက်ပြ / အပိုင်းပိုင်းခွဲထားသော / အဖြူရောင်ဆူညံသံ / မတည်ငြိမ်သော / အချက်ပြ-နိမ့်)
- အကူးအပြောင်း ထောက်လှမ်းခြင်း
- ၃-ပြား မြင်ကွင်း (မူရင်းအချက်ပြ၊ CV၊ entropy)
- CSV ရလဒ်ဇယား
3 ဒေတာအစုံအထိ၊ ဒေတာအစုံအချင်းချင်း နှိုင်းယှဉ်ခြင်းနှင့်အတူ ပြည့်စုံသော ရောဂါရှာဖွေခြင်း။
- ဒေတာအစုံအချင်းချင်း ဖွဲ့စည်းပုံနှိုင်းယှဉ်ခြင်း
- အကူးအပြောင်း အချိန်တံဆိပ် နှိုင်းယှဉ်ခြင်း
- 2 အကြိမ် Q&A
- အလိုအလျောက် ကြိမ်နှုန်းလှိုင်းနှုန်းစကင်န်ဖတ်ခြင်း
- ငါးမျိုးခွဲခြားခြင်း (အချက်ပြ / အပိုင်းပိုင်းခွဲထားသော / အဖြူရောင်ဆူညံသံ / မတည်ငြိမ်သော / အချက်ပြ-နိမ့်)
- အကူးအပြောင်း ထောက်လှမ်းခြင်း
- ၃-ပြား မြင်ကွင်း (မူရင်းအချက်ပြ၊ CV၊ entropy)
- CSV ရလဒ်ဇယား
5 ဒေတာအစုံအထိအတွက် အစုလိုက်ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် တိုးချဲ့ရောဂါရှာဖွေရေးအစီရင်ခံစာ။
- ဒေတာအစုံအချင်းချင်း ဖွဲ့စည်းပုံနှိုင်းယှဉ်ခြင်း
- အကူးအပြောင်း အချိန်တံဆိပ် နှိုင်းယှဉ်ခြင်း
- 2 အကြိမ် Q&A
- အလိုအလျောက် ကြိမ်နှုန်းလှိုင်းနှုန်းစကင်န်ဖတ်ခြင်း
- ငါးမျိုးခွဲခြားခြင်း (အချက်ပြ / အပိုင်းပိုင်းခွဲထားသော / အဖြူရောင်ဆူညံသံ / မတည်ငြိမ်သော / အချက်ပြ-နိမ့်)
- အကူးအပြောင်း ထောက်လှမ်းခြင်း
- ၃-ပြား မြင်ကွင်း (မူရင်းအချက်ပြ၊ CV၊ entropy)
- CSV ရလဒ်ဇယား
- အစုလိုက် လုပ်ဆောင်ခြင်း
- စိတ်ကြိုက်သတ်မှတ်ချက်များ
- တိုးချဲ့ခွဲခြမ်းစိတ်ဖြာမှု အစီရင်ခံစာ (နောက်ထပ် မက်ထရစ်များနှင့် နှိုင်းယှဉ်မှုများ)
- 3 အကြိမ် Q&A
စိတ်ကြိုက်ကမ်းလှမ်းချက် တောင်းဆိုပါ
စိတ်ကြိုက်ကမ်းလှမ်းချက် တောင်းဆိုရန် ဝင်ရောက်ပါ
ဤ Zinner ထံမှ စိတ်ကြိုက်ကမ်းလှမ်းချက် တောင်းဆိုရန် အခမဲ့အကောင့်တစ်ခု ဖန်တီးပါ သို့မဟုတ် ဝင်ရောက်ပါ။
ဝင်ရောက်ရန် / မှတ်ပုံတင်ရန်ရောင်းချမှုမတိုင်မီ မေးခွန်းမေးပါ
မေးခွန်းမေးရန် ဝင်ရောက်ပါ
ပလက်ဖောင်းပေါ်ရှိ spam များကို လျှော့ချရန်အတွက် ရောင်းချမှုမတိုင်မီ မက်ဆေ့ချ်များကို ဝင်ရောက်ထားသော အသုံးပြုသူများသာ ပေးပို့နိုင်ပါသည်။
ဤ Zinner ကို တိုက်ရိုက်မက်ဆေ့ချ်ပို့ရန် အခမဲ့အကောင့်တစ်ခု ဖန်တီးပါ သို့မဟုတ် ဝင်ရောက်ပါ။
ဝင်ရောက်ရန် / မှတ်ပုံတင်ရန်ဝင်ရောက်ရန် လိုအပ်သည်
Zinner ကို မက်ဆေ့ချ်ပို့ရန် အခမဲ့အကောင့်တစ်ခု ဖန်တီးပါ သို့မဟုတ် ဝင်ရောက်ပါ။
ဝင်ရောက်ရန် / မှတ်ပုံတင်ရန်ဝင်ရောက်ရန် လိုအပ်သည်
ကိုယ်ပိုင်ကမ်းလှမ်းချက်တစ်ခု တောင်းဆိုရန် အခမဲ့အကောင့်တစ်ခု ဖန်တီးပါ သို့မဟုတ် ဝင်ရောက်ပါ။
ဝင်ရောက်ရန် / မှတ်ပုံတင်ရန်အကျဉ်းချုပ်
သင့်ဆုံးဖြတ်ချက်ချရာတွင် အထောက်အကူဖြစ်စေရန် ဤဝန်ဆောင်မှုနှင့်ပတ်သက်သော အဓိကအချက်အလက်များ။ Zinn Hub မှ ထုတ်ပေးသည်၊ ရောင်းသူမှ မဟုတ်ပါ။
တန်ဖိုးနေရာ
ခွဲခြမ်းစိတ်ဖြာမှုနည်းလမ်း
အထွက်အမျိုးအစား
အတည်ပြုပြီး
အကောင်းဆုံးအတွက်
သင်ရရှိမည့်အရာ
အပြည့်အစုံဖော်ပြချက်
ဒါကဘာလဲ
၎င်းသည် တစ်ချန်နယ်အချိန်စီးရီးဒေတာအတွက် ရောဂါရှာဖွေရေးကိရိယာတစ်ခုဖြစ်သည်။ ၎င်းသည် အလိုအလျောက်-
- ဖွဲ့စည်းပုံပါဝင်သော ကြိမ်နှုန်းလှိုင်းနှုန်းများကို ရှာဖွေသည်
- လှိုင်းနှုန်းတစ်ခုစီကို အမျိုးအစားငါးမျိုးထဲမှ တစ်မျိုးအဖြစ် ခွဲခြားသည်
- စနစ်အပြုအမူတွင် ရုတ်တရက်ပြောင်းလဲမှုများကို ထောက်လှမ်းသည်
- မတူညီသောအချိန်ကာလများမှ ဒေတာများကို နှိုင်းယှဉ်သည်
၎င်းသည် တံဆိပ်တပ်ထားသော လေ့ကျင့်ရေးဒေတာ၊ ကြိုတင်သတ်မှတ်ထားသော ပုံစံများ သို့မဟုတ် ရုပ်ပိုင်းဆိုင်ရာ မော်ဒယ်တစ်ခု မလိုအပ်ပါ။ ၎င်းသည် လွတ်လပ်သော စာရင်းအင်းမက်ထရစ်လေးခုကို အသုံးပြုသည်- ပြောင်းလဲမှုကိန်းဂဏန်း၊ နမူနာ entropy၊ envelope skewness နှင့် recurrence rate။
ပညာရပ်ဆိုင်ရာ ကိုးကားချက်- Zenodo preprint DOI 10.5281/zenodo.22837806
သင်ရရှိမည့်အရာ
အောက်ပါတို့ပါဝင်သော ရောဂါရှာဖွေရေးအစီရင်ခံစာ (PDF)-
- လှိုင်းနှုန်းအလိုက် မက်ထရစ်များ- CV၊ နမူနာ entropy၊ skewness၊ recurrence rate
- လှိုင်းနှုန်းအလိုက် ခွဲခြားသတ်မှတ်ခြင်း
- ထောက်လှမ်းထားသော အကူးအပြောင်းအချိန်တံဆိပ်များ
- သုံးပြား မြင်ကွင်း (မူရင်းအချက်ပြ၊ အချိန်အလိုက် CV၊ အချိန်အလိုက် entropy)
လှိုင်းနှုန်းမက်ထရစ်များနှင့် တံဆိပ်များအားလုံးပါဝင်သော ဖွဲ့စည်းထားသော ရလဒ်ဇယား (CSV)။
ခွဲခြမ်းစိတ်ဖြာမှုစီးဆင်းမှု၊ ကန့်သတ်ချက်များနှင့် ရလဒ်များကို မည်သို့ဖတ်ရမည်ကို ရှင်းပြသည့် နည်းစနစ်မှတ်စု။
မည်သို့အလုပ်လုပ်သနည်း — ရိုးရှင်းသော အင်္ဂလိပ်ဘာသာ
သင်၏ဒေတာကို ရေဒီယိုအချက်ပြမှုတစ်ခုအဖြစ် မှတ်ယူပါ။ ရိုးရာကိရိယာများသည် သင့်အား “50-80 Hz တွင် စွမ်းအင်ရှိသည်” ဟု ပြောပြသည်။ ဤကိရိယာသည် သင့်အား “50-80 Hz ရှိ အချက်ပြမှုသည် တည်ငြိမ်ပြီး ဖွဲ့စည်းထားသည်” သို့မဟုတ် “50-80 Hz ရှိ အချက်ပြမှုသည် အပိုင်းများအလိုက် ပြောင်းလဲနေသည်” သို့မဟုတ် “ထိုလှိုင်းနှုန်းသည် ကျပန်းဆူညံသံသာဖြစ်သည်” ဟု ပြောပြသည်။
၎င်းသည် အပြုအမူပြောင်းလဲသွားသည့် အချိန်အတိအကျကိုလည်း ပြောပြသည် — ဥပမာ- “t=568 စက္ကန့်တွင် စနစ်သည် တည်ငြိမ်မှုမှ မတည်ငြိမ်မှုသို့ ပြောင်းလဲသွားသည်”။
အမျိုးအစားခွဲခြားမှု အညွှန်းငါးခု
- အချက်ပြမှု- တည်ငြိမ်သော၊ ဖွဲ့စည်းထားသော အချက်ပြမှု
- အပိုင်းလိုက်- ဖွဲ့စည်းထားသော်လည်း အပိုင်းများအလိုက် ပြောင်းလဲနေသည်
- white_noise: ပြန့်ပြူးသော၊ ကျပန်းဆူညံသံ
- မတည်ငြိမ်သော- ကျပန်းအတက်အကျ
- signal_low: ဖွဲ့စည်းပုံရှိသော်လည်း အပြည့်အဝခွဲခြမ်းစိတ်ဖြာရန် ဒေတာတိုလွန်းသည်
ဤကိရိယာ မလုပ်ဆောင်နိုင်သောအရာများ
- လှိုင်းပုံသဏ္ဍာန်ကို ပြန်လည်တည်ဆောက်၍မရပါ
- ရုပ်ပိုင်းဆိုင်ရာရင်းမြစ်ကို ရှာဖွေ၍မရပါ
- အနာဂတ်ကို ခန့်မှန်း၍မရပါ
- ချန်နယ်များစွာပါသော ဒေတာကို လုပ်ဆောင်၍မရပါ
- 500 မှတ်ထက်တိုသော ဒေတာကို လုပ်ဆောင်၍မရပါ
- ဦးစွာ detrend မလုပ်ပါက ပြင်းထန်သောလမ်းကြောင်းရှိသော ဒေတာကို လုပ်ဆောင်၍မရပါ
သင်ပေးရန်လိုအပ်သောအရာများ
1. သင်၏အချိန်စီးရီးဒေတာဖိုင်
ပုံစံ- CSV, TSV, TXT, သို့မဟုတ် HDF5
အကြောင်းအရာ- အနည်းဆုံး ဂဏန်းကော်လံတစ်ခု (အချိန်တံဆိပ် ရွေးချယ်နိုင်သည်)
အရှည်- အနည်းဆုံး 1000 မှတ် (5000+ အကြံပြုသည်)
2. နမူနာနှုန်း
ဥပမာများ- တစ်စက္ကန့်လျှင် တစ်ခု၊ တစ်မီလီစက္ကန့်လျှင် တစ်ခု၊ LIGO 16384 Hz
3. သင်၏ပန်းတိုင်
ဥပမာများ-
- မည်သည့်လှိုင်းနှုန်းတွင် အချက်ပြမှုပါဝင်သည်ကို ရှာဖွေပါ
- အခြေအနေပြောင်းလဲမှု၏ အချိန်အတိအကျကို ထောက်လှမ်းပါ
- ဒေတာကာလနှစ်ခုကြားရှိ ဖွဲ့စည်းပုံကို နှိုင်းယှဉ်ပါ
မည်သည့်အချိန်တွင် အသုံးပြုရမည်နည်း
- သင့်တွင် ရှည်လျားသော၊ ချန်နယ်တစ်ခုတည်းရှိသော အချိန်စီးရီးရှိသည်
- စနစ်၏အပြုအမူသည် တစ်ချိန်ချိန်တွင် ပြောင်းလဲသွားသည်ဟု သင်သံသယရှိသည်
- “ပါဝါချို့ယွင်းမှု” နှင့် “ဖွဲ့စည်းပုံပြောင်းလဲမှု” ကို ခွဲခြားသိလိုသည်
- ပိုမိုနက်ရှိုင်းသော ခွဲခြမ်းစိတ်ဖြာမှုမပြုမီ အလိုအလျောက် ပထမအဆင့်စစ်ဆေးမှု လိုအပ်သည်
မည်သည့်အချိန်တွင် အသုံးမပြုရမည်နည်း
- အချိန်နှင့်တပြေးညီ ထုတ်လွှင့်ခြင်း
- အာရုံခံကိရိယာများစွာပါသော အစီအစဉ်များ
- ရုပ်ပိုင်းဆိုင်ရာရှင်းပြချက် လိုအပ်သည်
- ချို့ယွင်းချက်တည်နေရာကို လိုအပ်သည်
- အနာဂတ်ခန့်မှန်းချက် လိုအပ်သည်
စျေးနှုန်း
- အခြေခံ- ဒေတာအစုံတစ်ခု၊ အစီရင်ခံစာ + CSV (စျေးနှုန်းအတွက် ဆက်သွယ်ပါ)
- စံ- ဒေတာအစုံ 3 ခုအထိ၊ နှိုင်းယှဉ်ခွဲခြမ်းစိတ်ဖြာမှု၊ မေးခွန်းနှင့်အဖြေတစ်ကြိမ်
- အဆင့်မြင့်- အစုလိုက်ခွဲခြမ်းစိတ်ဖြာမှု၊ စိတ်ကြိုက်ကန့်သတ်ချက်များ၊ ရင်းမြစ်ကုဒ်လိုင်စင်
မေးလေ့ရှိသောမေးခွန်းများ
မေး- ၎င်းသည် FFT / PSD နှင့် မည်သို့ကွာခြားသနည်း။
ဖြေ- PSD သည် သင့်အား “လှိုင်းနှုန်းတစ်ခုစီတွင် ပါဝါမည်မျှရှိသည်” ဟု ပြောပြသည်။ ဤကိရိယာသည် သင့်အား “လှိုင်းနှုန်းတစ်ခုစီတွင် မည်သည့်ဖွဲ့စည်းပုံရှိသည်၊ ၎င်းသည် မည်သည့်အချိန်တွင် ပြောင်းလဲသည်” ဟု ပြောပြသည်။
မေး- ၎င်းသည် ချို့ယွင်းချက်ကို ရှာဖွေနိုင်ပါသလား။
ဖြေ- မဟုတ်ပါ။ ၎င်းတွင် တစ်ဖက်မြင် အချိန်စီးရီးဒေတာသာရှိပြီး နေရာဆိုင်ရာအချက်အလက်မရှိပါ။ ၎င်းသည် “ဖွဲ့စည်းပုံပြောင်းလဲသွားသည်” ဟု ပြောပြသည်၊ “မည်သည့်နေရာတွင် ပြောင်းလဲသွားသည်” ဟု မဟုတ်ပါ။
မေး- အချိန်တိကျမှုက ဘယ်လောက်လဲ။
ဖြေ- ပြတင်းပေါက်အရှည်ပေါ် မူတည်သည်။ ၁ စက္ကန့်ပြတင်းပေါက်ဖြင့် အကူးအပြောင်းထောက်လှမ်းမှုသည် ±1 စက္ကန့်ခန့် တိကျသည်။
မေး- ၎င်းသည် ကျွန်ုပ်၏ဒေတာကို ကိုင်တွယ်နိုင်ပါသလား။
ဖြေ- ပထမဆုံးစစ်ဆေးပါ- အရှည် ≥ 1000 မှတ်၊ ပြင်းထန်သောလမ်းကြောင်းမရှိ၊ ရှင်းလင်းသောပြောင်းလဲမှုတစ်ခုကို မျှော်လင့်ထားသည်။ ထိုသို့ဆိုလျှင် ၎င်းသည် အလုပ်လုပ်သင့်သည်။ မဟုတ်ပါက ကိရိယာသည် ခွဲခြမ်းစိတ်ဖြာ၍မရကြောင်း သင့်အား ပြောပြလိမ့်မည်။
Zinner အရည်အသွေး အာမခံချက်
တစ်ခုချင်းစီ Zinner သည် ပလက်ဖောင်းသို့ ပေါင်းစည်းမီ သုံးသပ်ခြင်းနှင့် အတည်ပြုခြင်းခံရသည်။
အားလုံးသော ဝန်ဆောင်မှုများသည် ကျွန်ုပ်တို့၏ အရည်အသွေး အာမခံ ကတိဖြင့် ကျောင်းဆောင်ထားသည်။
သင်၏ ငွေပေးချေမှုသည် သင် ပို့ဆောင်ထားသော အလုပ်ကို အတည်ပြုသည်အထိ ကာကွယ်ထားသည်။
ပက်ကေ့ချ်များ နှိုင်းယှဉ်ကြည့်ပါ
| အင်္ဂါရပ်များ | အခြေခံရောဂါရှာဖွေခြင်း | စံရောဂါရှာဖွေခြင်း | အဆင့်မြင့်ရောဂါရှာဖွေခြင်း |
|---|---|---|---|
| ပေးပို့ချိန် | ၅ ရက် | ၇ ရက် | ၁၀ ရက် |
| ပြင်ဆင်မှု | 1 | 2 | 3 |
| အလိုအလျောက်လှိုင်းနှုန်းစကင်န်ဖတ်ခြင်း | ✓ | ✓ | ✓ |
| အဆင့်ငါးဆင့်ခွဲခြားခြင်း (အချက်ပြမှု/အပိုင်းလိုက်/white_noise/မတည်ငြိမ်သော/signal_low) | ✓ | ✓ | ✓ |
| အကူးအပြောင်းထောက်လှမ်းခြင်း | ✓ | ✓ | ✓ |
| သုံးခုပါသော မြင်ကွင်း (မူရင်းအချက်ပြမှု၊ CV၊ အင်ထရိုပီ) | ✓ | ✓ | ✓ |
| CSV ရလဒ်ဇယား | ✓ | ✓ | ✓ |
| ဒေတာအစုံများကြားရှိ ဖွဲ့စည်းပုံနှိုင်းယှဉ်ခြင်း | ✕ | ✓ | ✓ |
| အကူးအပြောင်းအချိန်တံဆိပ်နှိုင်းယှဉ်ခြင်း | ✕ | ✓ | ✓ |
| မေးခွန်းနှင့်အဖြေနှစ်ကြိမ် | ✕ | ✓ | ✓ |
| အစုလိုက်လုပ်ဆောင်ခြင်း | ✕ | ✕ | ✓ |
| စိတ်ကြိုက်ကန့်သတ်ချက်များ | ✕ | ✕ | ✓ |
| တိုးချဲ့ခွဲခြမ်းစိတ်ဖြာမှုအစီရင်ခံစာ (ထပ်ဆောင်းတိုင်းတာမှုများနှင့် နှိုင်းယှဉ်မှုများ) | ✕ | ✕ | ✓ |
| မေးခွန်းနှင့်အဖြေ ၃ ကြိမ် | ✕ | ✕ | ✓ |
နမူနာများ
ဤ Zinn နှင့်ပတ်သက်သော ရောင်းသူ၏လုပ်ငန်းနမူနာများကို ကြည့်ပါ။
အစုစု
ဤ Zinn နှင့် သက်ဆိုင်သည့် ရောင်းချသူ၏ လုပ်ငန်းဆောင်ရွက်မှု ဥပမာများ

LIGO O4c1 ဆူညံသံဖွဲ့စည်းပုံခွဲခြမ်းစိတ်ဖြာမှု
LIGO O4c1 စဉ်ဆက်မပြတ်ဒေတာ 24 မိနစ်ကို ရောဂါရှာဖွေရေးကိရိယာဖြင့် အသုံးပြုခဲ့သည်။ ယာယီဖြစ်ရပ် 4 ခုကို ထောက်လှမ်းခဲ့ပြီး ဆူညံသံဖွဲ့စည်းပုံအခြေခံကို ပမာဏသတ်မှတ်ခဲ့သည်။
အပိုအချက်အလက်
လုပ်ငန်းအစီအစဉ်
အတိုင်းအတာနှင့် ကန့်သတ်ချက်များ
နည်းပညာ Stack နှင့် အတည်ပြုခြင်း
ဝန်ဆောင်မှု အသေးစိတ်
မကြေးမုံရဲ့ မေးခွန်းများ
မခန့်မှန်းနိုင်ပါ။ ၎င်းသည် ရောဂါရှာဖွေရေးကိရိယာဖြစ်ပြီး ခန့်မှန်းခြင်းကိရိယာမဟုတ်ပါ။ ၎င်းသည် ဖွဲ့စည်းပုံဆိုင်ရာပြောင်းလဲမှုများနှင့် အခြေအနေအကူးအပြောင်းများကို ထောက်လှမ်းရန်အတွက် သမိုင်းဝင်/လက်ရှိဒေတာကို ခွဲခြမ်းစိတ်ဖြာပါသည်။ ၎င်းသည် အနာဂတ်အပြုအမူကို ခန့်မှန်း၍မရပါ။
မရပါ။ ဤကိရိယာသည် စာရင်းအင်းဆိုင်ရာ ဖွဲ့စည်းပုံများ (CV၊ entropy၊ skewness၊ recurrence rate) နှင့် 5-class အညွှန်းများကို ထုတ်ပေးပါသည်။ ၎င်းသည် တိကျသော signal ပုံသဏ္ဍာန် သို့မဟုတ် လှိုင်းပုံစံကို ပြန်လည်တည်ဆောက်ခြင်း မရှိပါ။
မရပါ။ လက်ရှိတွင်၊ ဤကိရိယာသည် single-channel time series ကိုသာ ပံ့ပိုးပေးပါသည်။ ၎င်းသည် multi-sensor fusion သို့မဟုတ် spatial localization ကို လုပ်ဆောင်ခြင်း မရှိပါ။
မရပါ။ ၎င်းသည် သမိုင်းဝင်ဒေတာနှင့် batch လုပ်ဆောင်ခြင်းအတွက် ဒီဇိုင်းထုတ်ထားသော offline ခွဲခြမ်းစိတ်ဖြာခြင်းကိရိယာဖြစ်သည်။ ၎င်းကို real-time streaming အတွက် ဒီဇိုင်းထုတ်ထားခြင်း မရှိပါ။
ဤနည်းလမ်းသည် sliding window ခွဲခြမ်းစိတ်ဖြာခြင်း (ဥပမာ- 32s window၊ 8s step) ကို အသုံးပြုသည်။ window smoothing effect များကြောင့် အကူးအပြောင်းများကို အမှန်တကယ်ဖြစ်ရပ်ပြီးနောက် အနည်းငယ်နောက်ကျ၍ ထောက်လှမ်းနိုင်သည် (ဥပမာ- ကျွန်ုပ်တို့၏အတည်ပြုခြင်းတွင် t=16s တွင် အမှန်တကယ်အကူးအပြောင်း၊ t=22s တွင် ထောက်လှမ်းတွေ့ရှိသော peak)။ ၎င်းသည် ပုံမှန်ဖြစ်ပြီး အစီရင်ခံစာတွင် မှတ်သားထားမည်ဖြစ်သည်။
မရပါ။ ၎င်းသည် ဝန်ဆောင်မှုအခြေခံစာရင်းဖြစ်သည်။ သင်သည် ရောဂါရှာဖွေရေးအစီရင်ခံစာ၊ CSV ဇယားများနှင့် PNG မြင်ကွင်းများကို လက်ခံရရှိမည်ဖြစ်သော်လည်း source code (Python scripts) ကို မည်သည့် package တွင်မှ မပါဝင်ပါ။
ဖောက်သည်များ၏ သုံးသပ်ချက်များ
ကျွန်ုပ်တို့၏ ဖောက်သည်များက Zinn အကြောင်း ဘာတွေ ပြောတွေ့ကြည့်ပါ
အမျိုးအစားများ
Zinner မူဝါဒများ
ဆက်စပ်သော Zinns

Python တွင် စိတ်ကြိုက် Computer Vision & Deep Learning Model ကို တည်ဆောက်ပေးပါမည်။

LangChain နှင့် Python ဖြင့် စိတ်ကြိုက် AI RAG Chatbot ကို တည်ဆောက်ပေးပါမည်။

ကျွန်ုပ်သည် FastAPI Deployment ဖြင့် စိတ်ကြိုက် AI/ML Model တစ်ခုကို တည်ဆောက်ပေးပါမည်။








