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

အကျဉ်းချုပ်

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

ခွဲခြမ်းစိတ်ဖြာမှုနည်းလမ်း

မော်ဒယ်-ကင်းမဲ့၊ လေ့ကျင့်ရေးဒေတာမရှိ
4 လွတ်လပ်သော စာရင်းအင်းမက်ထရစ်များ (CV၊ နမူနာ entropy၊ envelope skewness၊ recurrence rate) ကို အသုံးပြုသည် — တံဆိပ်တပ်ထားသော ဒေတာ သို့မဟုတ် ရုပ်ပိုင်းဆိုင်ရာ မော်ဒယ် မလိုအပ်ပါ။

အထွက်အမျိုးအစား

PDF အစီရင်ခံစာ + CSV + မြင်ကွင်း
ပေးပို့မှုတိုင်းတွင် ရောဂါရှာဖွေရေး PDF၊ ဖွဲ့စည်းထားသော CSV ရလဒ်ဇယားနှင့် ၃-ပြား အချက်ပြမြင်ကွင်းတို့ ပါဝင်သည်။

အတည်ပြုပြီး

LIGO၊ နေရောင်ခြည်အစက်အပြောက်များ၊ ECG/EEG
LIGO ဆွဲငင်အားလှိုင်းဒေတာ (O1, O2, O4c1) နှင့် ၁၇၄၉ ခုနှစ်မှစ၍ နေရောင်ခြည်စက်ဝန်းမှတ်တမ်းများအပါအဝင် လက်တွေ့ကမ္ဘာဒေတာအစုံများတွင် နည်းလမ်းကို အတည်ပြုထားသည်။

အကောင်းဆုံးအတွက်

တစ်ချန်နယ်၊ 1000+ အမှတ်များ
ရူပဗေဒ၊ ဘဏ္ဍာရေး၊ ဆေးဘက်ဆိုင်ရာ၊ စက်မှုလုပ်ငန်း သို့မဟုတ် ရာသီဥတုနယ်ပယ်များရှိ အော့ဖ်လိုင်းအချိန်စီးရီးရှည်များအတွက် အကောင်းဆုံးဖြစ်သည်။ အချိန်နှင့်တစ်ပြေးညီ သို့မဟုတ် အာရုံခံကိရိယာမျိုးစုံသုံး ဒေတာအတွက် မသင့်လျော်ပါ။

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

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

✓
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
ပေးပို့ချိန်၅ ရက်၇ ရက်၁၀ ရက်
ပြင်ဆင်မှု123
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

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။

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

အလိုအလျောက် ကြိမ်နှုန်းလှိုင်းနှုန်းစကင်န်ဖတ်ခြင်းနှင့် အခြေအနေပြောင်းလဲမှု ထောက်လှမ်းခြင်းတို့ဖြင့် သင်၏အချိန်စီးရီးဒေတာကို ကျွန်ုပ်စစ်ဆေးပေးပါမည် 6 &Raquo; 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