The statistical analysis of the eva

The statistical analysis of the evaluation are summarized in Table V, and again results are quite favorable. These results being the first of their kind in the realm of estimating the range and intensity of an explosion event from statically emplaced smartphones are quite favorable, and demonstrate the clear feasibility for improvement with more experiments, and fusing multiple sensor phenomena like acoustic and pressure sensors, along with vibration sensing, which is a part of our future work. As discussed earlier, we have used a feature-vector of size 90 in our non-linear regression model. With this feature-vector the total training took 8.8 seconds on a Windows machine with 32 Gigabytes of RAM and CPU clock speed of 4.6 GHz. A memory footprint of as little as 90 KB was taken for training data since only accelerometer readings corresponding to explosion events were used for processing

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ทางสถิติของการประเมินจะถูกสรุปในตาราง V และอีก ผลมีค่อนข้างดี ผลลัพธ์เหล่านี้เป็นครั้งแรกของพวกเขาในดินแดนของชนิดประเมินระยะและความรุนแรงของเหตุการณ์ระเบิดจากคอน emplaced สมาร์ทโฟนค่อนข้างดี และแสดงให้เห็นถึงความเป็นไปได้ที่ชัดเจนสำหรับการปรับปรุงด้วยการทดลองเพิ่มเติม และหลอมรวมเซ็นเซอร์หลายปรากฏการณ์ชอบเสียง และเซนเซอร์ พร้อม ด้วยการตรวจวัดการสั่นสะเทือน ความดันซึ่งเป็นส่วนหนึ่งของงานของเราในอนาคต ตามที่กล่าวไว้ก่อนหน้านี้ เราได้ใช้คุณลักษณะเวกเตอร์ขนาด 90 ในรูปแบบของเราถดถอยไม่เชิงเส้น ด้วยคุณลักษณะแบบเวกเตอร์นี้ การฝึกอบรมรวมเอา 8.8 วินาทีบนเครื่อง Windows กับ 32 กิกะไบต์ของ RAM และ CPU ความเร็วสัญญาณนาฬิกาของ 4.6 GHz ถ่ายการฝึกตั้งแต่อ่านเร่งเท่าที่สอดคล้องกับเหตุการณ์ระเบิดถูกนำมาใช้สำหรับการประมวลผลข้อมูลหน่วยความจำรอยน้อย 90 KB

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ทางสถิติของการประเมินผลสรุปในตาราง V และอีกครั้งผลเป็นอย่างดีเลยทีเดียว ผลลัพธ์เหล่านี้เป็นครั้งแรกของชนิดของพวกเขาในขอบเขตของการประเมินช่วงและความรุนแรงของเหตุการณ์การระเบิดจากมาร์ทโฟน emplaced คงเป็นอย่างดีมากและแสดงให้เห็นถึงความเป็นไปได้ที่ชัดเจนสำหรับการปรับปรุงกับการทดสอบมากขึ้นและการหลอมรวมปรากฏการณ์เซ็นเซอร์หลายตัวเช่นเซ็นเซอร์อะคูสติกและความดัน พร้อมกับการตรวจจับการสั่นสะเทือนซึ่งเป็นส่วนหนึ่งของการทำงานในอนาคตของเรา ตามที่กล่าวไว้ก่อนหน้านี้เราได้ใช้คุณลักษณะของเวกเตอร์ขนาด 90 ในรูปแบบการถดถอยของเราที่ไม่ใช่เชิงเส้น ด้วยคุณสมบัตินี้เวกเตอร์การฝึกอบรมรวมเอา 8.8 วินาทีบนเครื่อง Windows 32 กิกะไบต์ของ RAM และ CPU ความเร็วสัญญาณนาฬิกา 4.6 GHz ของ รอยความทรงจำของการเป็นเพียง 90 KB ถูกนำข้อมูลการฝึกอบรมตั้งแต่เพียงการอ่าน accelerometer สอดคล้องกับเหตุการณ์ระเบิดถูกนำมาใช้สำหรับการประมวลผล

ผลลัพธ์ (ไทย) 3:

สถิติที่ใช้ในการวิเคราะห์การประเมินสรุปได้ในตารางที่ 5 และอีกผลเป็นอย่างดีทีเดียว ผลลัพธ์เหล่านี้เป็นครั้งแรกของชนิดของพวกเขาในแง่ของการประมาณช่วงและความรุนแรงของเหตุการณ์ระเบิดจากส่วน emplaced มาร์ทโฟนที่ดีมากและแสดงให้เห็นถึงความเป็นไปได้ที่ชัดเจนสำหรับการปรับปรุงกับการทดลองมากขึ้น และด้วยปรากฏการณ์เซ็นเซอร์หลายเช่นเซ็นเซอร์อะคูสติกและความดัน พร้อมกับตรวจวัดการสั่นสะเทือนซึ่งเป็นส่วนหนึ่งของงานในอนาคตของเรา . ตามที่กล่าวก่อนหน้านี้เราได้ใช้คุณลักษณะเวกเตอร์ขนาด 90 ของเราในตัวแบบการถดถอยไม่เชิงเส้น ด้วยคุณสมบัตินี้เกี่ยวกับการฝึกอบรมรวมเอา 8.8 วินาทีบนเครื่อง Windows 32 กิกะไบต์ของ RAM และ CPU ความเร็วนาฬิกาของ 4.6 GHz ความทรงจำที่รอยเท้าของเล็กน้อยเป็น 90 และถูกฝึกตั้งแต่อ่านข้อมูล accelerometer สอดคล้องกับเหตุการณ์ระเบิดที่ใช้สำหรับการประมวลผล