0
သင်၏ ဈေးဝယ်လှည်း
0
Zinn Hub
0
သင်၏ ဈေးဝယ်လှည်း
0

အကျဉ်းချုပ်

သင့်ဆုံးဖြတ်ချက်ချရာတွင် အထောက်အကူဖြစ်စေရန် ဤဝန်ဆောင်မှုနှင့်ပတ်သက်သော အဓိကအချက်အလက်များ။ Zinn Hub မှ ထုတ်ပေးသည်၊ ရောင်းသူမှ မဟုတ်ပါ။

ခွဲခြမ်းစိတ်ဖြာမှု အမျိုးအစား

ရောဂါရှာဖွေခြင်း (ကြိုတင်ခန့်မှန်းခြင်းမဟုတ်ပါ)
သမိုင်းဝင်ဒေတာရှိ ဝှက်ထားသော အချက်ပြဖွဲ့စည်းပုံများနှင့် အခြေအနေပြောင်းလဲမှုများကို ထောက်လှမ်းသည် - အနာဂတ်အပြုအမူကို ခန့်မှန်းခြင်းမရှိပါ။

ပံ့ပိုးထားသောဒေတာ

တစ်ချန်နယ်အချိန်စီးရီး
CSV, TXT, သို့မဟုတ် HDF5 ဖိုင်များကို လက်ခံသည်။ နမူနာနှုန်းနှင့် အနည်းဆုံး ~1000 ဒေတာအမှတ်များ လိုအပ်သည်။

အတည်ပြုပြီး

LIGO, EEG, ဘဏ္ဍာရေးနှင့် ရာသီဥတု
LIGO ဆွဲငင်အားလှိုင်းဒေတာ (O1, O2, O4c1) နှင့် နေအစက်စက်စက်ဝန်းမှတ်တမ်းများအပါအဝင် လက်တွေ့ကမ္ဘာဒေတာအစုံအလင်များပေါ်တွင် အယ်လဂိုရီသမ်ကို အတည်ပြုထားသည်။

ပေးပို့နိုင်သောပစ္စည်းများ

PDF အစီရင်ခံစာ + CSV + မြင်ကွင်း
အော်ဒါတိုင်းတွင် ရောဂါရှာဖွေရေး PDF၊ ဖွဲ့စည်းထားသော ရလဒ်ဇယား (CSV) နှင့် အချက်ပြဖွဲ့စည်းပုံ၏ 3-panel PNG မြင်ကွင်းတို့ ပါဝင်သည်။

သင်ရရှိမည့်အရာ

ပုံစံများ-
ဒစ်ဂျစ်တယ်ဖိုင်များ
ရေးသားထားသော အစီရင်ခံစာ
စာရင်းဇယား
ပေးပို့မှုနည်းလမ်း-
အော်ဒါမန်နေဂျာ
မှတ်စုများ- ပေးပို့မှုတိုင်းတွင် အောက်ပါတို့ပါဝင်သည်- - မက်ထရစ်များ၊ ခွဲခြားသတ်မှတ်ခြင်းနှင့် အကူးအပြောင်းအချိန်တံဆိပ်များပါဝင်သော ပြည့်စုံသော ရောဂါရှာဖွေရေးအစီရင်ခံစာ (PDF) - ဖွဲ့စည်းထားသော ရလဒ်ဇယား (CSV) - ၃-ပြား မြင်ကွင်း (မူရင်းအချက်ပြ၊ CV၊ entropy) ရလဒ်အားလုံးကို ပေးပို့ခြင်းမပြုမီ အတွင်းပိုင်းညီညွတ်မှုရှိမရှိ စစ်ဆေးပါသည်။ ဒေတာသည် အနည်းဆုံးလိုအပ်ချက်များနှင့် မကိုက်ညီပါက၊ စတင်ခြင်းမပြုမီ သင့်အား အကြောင်းကြားပါမည်။

အပြည့်အစုံဖော်ပြချက်

အချိန်စီးရီးဖွဲ့စည်းပုံ ရောဂါရှာဖွေခြင်း

ကျွန်ုပ်သည် သင်၏ တစ်ချန်နယ်ဆက်တိုက်ဒေတာကို စကန်ဖတ်ပြီး မည်သည့်ကြိမ်နှုန်းဘန်းဒ်များတွင် ဖွဲ့စည်းပုံပါဝင်သည်ကို ဖော်ထုတ်ကာ ဘန်းဒ်တစ်ခုစီကို အမျိုးအစားခွဲခြားပြီး စနစ်၏အပြုအမူပြောင်းလဲသည့် အတိအကျအချိန်ကို ထောက်လှမ်းပါသည်။

အသုံးအများဆုံး ခွဲခြမ်းစိတ်ဖြာမှုကိရိယာများသည် သင့်အား “ကြိမ်နှုန်းတစ်ခုစီတွင် ပါဝါမည်မျှရှိသည်” ဟု ပြောပြသည်။ ဤဝန်ဆောင်မှုသည် သင့်အား “ကြိမ်နှုန်းတစ်ခုစီတွင် မည်သည့်ဖွဲ့စည်းပုံမျိုးရှိသည်၊ ၎င်းသည် မည်သည့်အချိန်တွင် ပြောင်းလဲသွားသည်” ဟု ပြောပြသည်။

ထုတ်ဝေထားသော ကြိုတင်ပုံနှိပ်စာတမ်း (DOI: 10.5281/zenodo.22837806) ကို အခြေခံထားသည်။

သင်ရရှိမည့်အရာ
- ဘန်းဒ်တစ်ခုစီအတွက် မက်ထရစ်များနှင့် အမျိုးအစားခွဲခြားမှုပါဝင်သော ရောဂါရှာဖွေရေးအစီရင်ခံစာ (PDF)
- ဘန်းဒ်မက်ထရစ်များနှင့် တံဆိပ်များအားလုံးပါဝင်သော ဖွဲ့စည်းထားသော ရလဒ်ဇယား (CSV)
- ထောက်လှမ်းထားသော အကူးအပြောင်းအချိန်တံဆိပ်များ
- သုံးခုပါဝင်သော မြင်ကွင်း (မူရင်းအချက်ပြ၊ အချိန်နှင့်အမျှ CV၊ အချိန်နှင့်အမျှ entropy)
- ရလဒ်များကို မည်သို့ဖတ်ရမည်ကို ရှင်းပြထားသော နည်းစနစ်မှတ်စုတို

ကျွန်ုပ်တို့ မပေးနိုင်သောအရာများ
- Algorithm source code
- အတိအကျ parameter တန်ဖိုးများ
- ချိန်ညှိခြင်းနည်းလမ်းများ သို့မဟုတ် အကောင်အထည်ဖော်မှုအသေးစိတ်များ

အဓိက အယ်လဂိုရီသမ်နှင့် ပါရာမီတာဆက်တင်များကို စီးပွားဖြစ်ဉာဏပစ္စည်းမူပိုင်ခွင့်အဖြစ် ထိန်းသိမ်းထားသည်။ ခွဲခြမ်းစိတ်ဖြာမှုရလဒ်များကိုသာ ပေးပို့သည်။

အတည်ပြုထားသည်
- သိရှိထားသော ဖွဲ့စည်းပုံပါဝင်သော ဓာတုအချက်ပြများ
- LIGO ဆွဲငင်အားလှိုင်းထောက်လှမ်းကိရိယာဒေတာ
- ဒိုမိန်းများစွာမှ လက်တွေ့ကမ္ဘာ ဆက်တိုက်တိုင်းတာမှုများ

ဖြစ်နိုင်ချေရှိသော အသုံးချမှုများ
- EEG နှင့် အာရုံကြောသိပ္ပံ- တရားထိုင်ခြင်း၊ အိပ်စက်ခြင်းအဆင့်သတ်မှတ်ခြင်း၊ မေ့ဆေးစောင့်ကြည့်ခြင်း၊ အာရုံကြောဆိုင်ရာ သုတေသန
- စက်မှုအင်ဂျင်နီယာ- တုန်ခါမှုစောင့်ကြည့်ခြင်း၊ စက်ပစ္စည်းချို့ယွင်းချက်ရှာဖွေခြင်း၊ လည်ပတ်နေသော စက်ယန္တရားများ
- ဘဏ္ဍာရေးနှင့် စီးပွားရေး- စက်ဝန်းခွဲခြမ်းစိတ်ဖြာခြင်း၊ အုပ်ချုပ်မှုပြောင်းလဲမှုရှာဖွေခြင်း၊ ဖွဲ့စည်းပုံဆိုင်ရာ ပြတ်တောက်မှုများ
- သဘာဝပတ်ဝန်းကျင်သိပ္ပံ- ရာသီဥတုမှတ်တမ်းများ၊ ရေအားလျှပ်စစ်စီးရီးများ၊ ငလျင်ဒေတာ
- အချိန်နှင့်အမျှ အပြုအမူပြောင်းလဲနိုင်သည့် မည်သည့်တစ်ချန်နယ်ဆက်တိုက်ဒေတာအစုံအလင်မဆို

သင်ပေးရန်လိုအပ်သောအရာများ
- သင်၏ဒေတာဖိုင် (CSV, TXT, သို့မဟုတ် HDF5)
- နမူနာနှုန်း (ဒေတာကို မည်မျှကြာကြာ မှတ်တမ်းတင်သည်)
- သင်ရှာဖွေနေသောအရာ၏ အတိုချုပ်ဖော်ပြချက်

ပေးပို့ချိန်
- ဖိုင်တစ်ခုတည်း- 24 နာရီအတွင်း
- အစုလိုက် (10+ ဖိုင်များ)- 3–5 လုပ်ငန်းရက်

စျေးနှုန်း
- အခြေခံ- ဒေတာအစုံတစ်ခု၊ အစီရင်ခံစာ + CSV
- စံ- ဒေတာအစုံ 3 ခုအထိ၊ နှိုင်းယှဉ်ခွဲခြမ်းစိတ်ဖြာခြင်း၊ Q&A တစ်ကြိမ်
- အဆင့်မြင့်- အစုလိုက်ခွဲခြမ်းစိတ်ဖြာခြင်း၊ စိတ်ကြိုက်ကြိမ်နှုန်းလှိုင်းများ (source code မပါဝင်ပါ)

ဒေတာလျှို့ဝှက်ရေး
သင်၏ အပ်လုဒ်လုပ်ထားသော ဒေတာကို သင်၏ ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းအတွက်သာ အသုံးပြုပါသည်။ ပေးပို့ပြီးနောက်၊ မူရင်းဒေတာကို 7 ရက်အတွင်း အပြီးအပိုင် ဖျက်ပစ်ပါသည်။ ဒေတာကို မည်သည့်အခါမျှ မျှဝေခြင်း သို့မဟုတ် အခြားမည်သည့်ရည်ရွယ်ချက်အတွက်မျှ အသုံးပြုခြင်းမရှိပါ။

Zinner အရည်အသွေး အာမခံချက်

✓
စိစစ်ထားသော ကျွမ်းကျင်သူ
တစ်ခုချင်းစီ Zinner သည် ပလက်ဖောင်းသို့ ပေါင်းစည်းမီ သုံးသပ်ခြင်းနှင့် အတည်ပြုခြင်းခံရသည်။
✓
အရည်အသွေး အလုပ် အာမခံ
အားလုံးသော ဝန်ဆောင်မှုများသည် ကျွန်ုပ်တို့၏ အရည်အသွေး အာမခံ ကတိဖြင့် ကျောင်းဆောင်ထားသည်။
✓
လုံခြုံသော ငွေပေးချေမှု
သင်၏ ငွေပေးချေမှုသည် သင် ပို့ဆောင်ထားသော အလုပ်ကို အတည်ပြုသည်အထိ ကာကွယ်ထားသည်။

ပက်ကေ့ချ်များ နှိုင်းယှဉ်ကြည့်ပါ

အင်္ဂါရပ်များအခြေခံရောဂါရှာဖွေခြင်းစံရောဂါရှာဖွေခြင်းအဆင့်မြင့်ရောဂါရှာဖွေခြင်း
ပေးပို့ချိန်5 ရက်7 ရက်10 ရက်
ပြန်လည်ပြင်ဆင်မှုများ123
အလိုအလျောက် ကြိမ်နှုန်းဘန်းဒ်စကန်ဖတ်ခြင်း✓✓✓
ငါးမျိုးခွဲခြားခြင်း (signal / segmented / white_noise / nonstationary / signal_low)✓✓✓
အကူးအပြောင်းထောက်လှမ်းခြင်း✓✓✓
3-panel မြင်ကွင်း (မူရင်းအချက်ပြ၊ CV၊ entropy)✓✓✓
CSV ရလဒ်ဇယား✓✓✓
ဒေတာအစုံအလင်များအကြား ဖွဲ့စည်းပုံဆိုင်ရာ နှိုင်းယှဉ်မှု✕✓✓
အကူးအပြောင်းအချိန်တံဆိပ် နှိုင်းယှဉ်မှု✕✓✓
2 အကြိမ် Q&A✕✓✓
အစုလိုက်လုပ်ဆောင်ခြင်း✕✕✓
တိုးချဲ့ခွဲခြမ်းစိတ်ဖြာမှု အစီရင်ခံစာ (နောက်ထပ် မက်ထရစ်များနှင့် နှိုင်းယှဉ်မှုများ)✕✕✓
3 အကြိမ် Q&A✕✕✓

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

အဆင့်များ-1. ဒေတာပြန်လည်သုံးသပ်ခြင်း (24 နာရီ)- သင်၏ဒေတာသည် ကန့်သတ်ချက်များနှင့် ကိုက်ညီမှုရှိမရှိ (အရှည် >= 1000 မှတ်၊ ချန်နယ်တစ်ခုတည်း၊ detrended၊ fs ပံ့ပိုးပေးထားသည်) သေချာစေရန် သင်၏ဒေတာကို ပြန်လည်သုံးသပ်ပါ။ 2. အလိုအလျောက်စကင်န်ဖတ်ခြင်း- အလိုအလျောက်ရှာဖွေတွေ့ရှိထားသော ကြိမ်နှုန်းလှိုင်းများ (f0/8 မှ f0x4) တစ်လျှောက် ပူးတွဲဖွဲ့စည်းပုံခွဲခြမ်းစိတ်ဖြာခြင်း (CV၊ entropy၊ skewness၊ recurrence rate) ကို လုပ်ဆောင်ပါ။ 3. ခွဲခြားသတ်မှတ်ခြင်းနှင့် ထောက်လှမ်းခြင်း- 5-class အမျိုးအစားခွဲခြားခြင်း (signal, signal_low, white_noise, nonstationary, segmented) ကို လုပ်ဆောင်ပြီး အချိန်တံဆိပ်များဖြင့် အကူးအပြောင်း/ hysteresis ကို ထောက်လှမ်းပါ။ 4. ပေးပို့ခြင်း- CSV ရလဒ်ဇယား၊ 3-panel မြင်ကွင်း (မူရင်း signal၊ CV၊ entropy) နှင့် ရောဂါရှာဖွေရေး အကျဉ်းချုပ်ကို ပေးပို့ပါ။

အတိုင်းအတာနှင့် ကန့်သတ်ချက်များ

နယ်ပယ်များ-နက္ခတ္တဗေဒ၊ ဆေးဘက်ဆိုင်ရာ (EEG/ECG)၊ စက်မှုတုန်ခါမှု ရောဂါရှာဖွေရေး၊ ဘဏ္ဍာရေး၊ ရာသီဥတု၊ ရူပဗေဒ စမ်းသပ်မှု စောင့်ကြည့်ခြင်း။
ကန့်သတ်ချက်များ-အောက်ပါတို့အတွက် မသင့်လျော်ပါ- ပြင်းထန်သော linear trends (detrended ဖြစ်ရမည်)၊ multi-channel ဒေတာ၊ တိုတောင်းသောဒေတာ (< 500 မှတ်)၊ real-time လုပ်ဆောင်ခြင်း၊ တိကျသော signal ပုံသဏ္ဍာန်/တည်နေရာများကို ရှာဖွေခြင်း သို့မဟုတ် အနာဂတ်ကို ခန့်မှန်းခြင်း။

နည်းပညာ Stack နှင့် အတည်ပြုခြင်း

Python-anchor_detect.py v2.3 (နောက်ဆုံးထွက် တည်ငြိမ်သောဗားရှင်း) NumPy/SciPy ဖြင့် လုပ်ဆောင်သည်။
အတည်ပြုခြင်းဒေတာ-LIGO ဆွဲငင်အားလှိုင်းဒေတာ (O1, O2, O4c1)၊ Sunspots၊ synthetic mixed-frequency signals နှင့် AirPassengers တို့တွင် အတည်ပြုထားသည်။

ဝန်ဆောင်မှု အသေးစိတ်

ဝန်ဆောင်မှုအမျိုးအစား
Standard
Zinner အမျိုးအစား
Freelancer
ရရှိနိုင်မှု
ရက်သတ္တပတ်၏ နေ့ရက်များနှင့် စနေ၊ တနင်္ဂနွေ
ရောင်းသူ၏နိုင်ငံ
တရုတ်
လက်ခံသောဘာသာစကားများ
ဘာသာစကားအားလုံး လက်ခံသည်
NDA ရရှိနိုင်ပါသည်
ဟုတ်ကဲ့
ကိုင်တွယ်ခဲ့သော ပရောဂျက်အရွယ်အစားများ
အသေးစားမှ အလတ်စား
တုံ့ပြန်ချိန်
24 နာရီအတွင်း
အတွေ့အကြုံနှစ်များ
1

မကြေးမုံရဲ့ မေးခွန်းများ

မခန့်မှန်းနိုင်ပါ။ ၎င်းသည် ရောဂါရှာဖွေရေးကိရိယာဖြစ်ပြီး ခန့်မှန်းခြင်းကိရိယာမဟုတ်ပါ။ ၎င်းသည် ဖွဲ့စည်းပုံဆိုင်ရာပြောင်းလဲမှုများနှင့် အခြေအနေအကူးအပြောင်းများကို ထောက်လှမ်းရန်အတွက် သမိုင်းဝင်/လက်ရှိဒေတာကို ခွဲခြမ်းစိတ်ဖြာပါသည်။ ၎င်းသည် အနာဂတ်အပြုအမူကို ခန့်မှန်း၍မရပါ။

မဟုတ်ပါ။ ကိရိယာသည် စာရင်းအင်းဖွဲ့စည်းပုံ တိုင်းတာမှုများနှင့် အတန်းအစား အညွှန်းများကို ထုတ်ပေးသည်။ ၎င်းသည် အတိအကျ အချက်ပြပုံသဏ္ဍာန် 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 analysis ကို အသုံးပြုသည်။ window smoothing effects ကြောင့်၊ အကူးအပြောင်းများကို အမှန်တကယ်ဖြစ်ရပ်ပြီးနောက် အနည်းငယ်နောက်ကျ၍ ရှာဖွေတွေ့ရှိနိုင်သည်။ ၎င်းသည် window-based detection အတွက် ပုံမှန်ဖြစ်ပြီး အစီရင်ခံစာတွင် မှတ်သားထားမည်ဖြစ်သည်။

မရပါ။ ၎င်းသည် ဝန်ဆောင်မှုအခြေခံစာရင်းဖြစ်သည်။ သင်သည် ရောဂါရှာဖွေရေးအစီရင်ခံစာ၊ CSV ဇယားများနှင့် PNG မြင်ကွင်းများကို လက်ခံရရှိမည်ဖြစ်သော်လည်း source code (Python scripts) ကို မည်သည့် package တွင်မှ မပါဝင်ပါ။

အစီရင်ခံစာကို အင်္ဂလိပ်ဘာသာဖြင့် ရေးထားသည်။ တရုတ်ဘာသာစကားဖြင့် အစီရင်ခံစာများကို တောင်းဆိုပါက ရရှိနိုင်သည်။ မှာယူသည့်အခါ သင်နှစ်သက်သောဘာသာစကားကို ဖော်ပြပါ။

ဟုတ်ကဲ့။ သင်တင်ထားသောဒေတာကို သင်၏ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းအတွက်သာ အသုံးပြုပါသည်။ ပေးပို့ပြီးနောက်၊ သင်၏မူရင်းဒေတာကို 7 ရက်အတွင်း အပြီးအပိုင်ဖျက်ပစ်ပါမည်။ သင်၏ဒေတာကို မည်သည့်အခါမျှ မျှဝေခြင်း၊ ထုတ်ဝေခြင်း သို့မဟုတ် အခြားမည်သည့်ရည်ရွယ်ချက်အတွက်မျှ အသုံးပြုခြင်းမရှိပါ။

ဒေတာမမျှဝေမီ လက်မှတ်ရေးထိုးထားသော NDA လိုအပ်ပါက၊ မှာယူမှုမပြုမီ ကျွန်ုပ်ကို ဆက်သွယ်ပါ။ NDA လက်မှတ်ရေးထိုးခြင်းကို ပညာရေးနှင့် စက်မှုလုပ်ငန်းဖောက်သည်များအတွက် ရရှိနိုင်ပါသည်။

ဖောက်သည်များ၏ သုံးသပ်ချက်များ

ကျွန်ုပ်တို့၏ ဖောက်သည်များက Zinn အကြောင်း ဘာတွေ ပြောတွေ့ကြည့်ပါ

အမျိုးအစားများ

Zinner မူဝါဒများ

I Will Detect Hidden Signal Structures and Sudden Transitions in Your Time Series Data 1 » Zinn Hub

ဤထုတ်ကုန်ကို ဝယ်ယူထားသော လက်ခြင်းသို့ ဝင်ထားသော ဝယ်ယူသူများသာ သုံးသပ်ချက် ချန်လှပ်နိုင်ပါသည်။

ရွေးချယ်စရာများနှင့် မှာယူမှု

Zinn Hub အက်ပ်ကို ရယူပါ

အသိပေးချက်များ · ပိုမိုမြန်ဆန်စွာ ဝင်ရောက်နိုင်ခြင်း · မျက်နှာပြင်အပြည့်

သင့်ဘရောက်ဆာရှိ Share ကို နှိပ်ပါ

➜ ထို့နောက် "ပင်မစခရင်သို့ ထည့်ရန်" ကို နှိပ်ပါ