好的。 你好。
谢谢 为了 这 好的 介绍。
今天 I 想 到 展示 一起 和 斯蒂芬 文森特 从 液流发动机 医疗的
一件作品 我们已经 完毕 在 这 最后的 年 在 控制 图表 动能
和 其他 时间- 受抚养人 测量。
那么为什么 是 那 重要的 到 展示？
所以 在 案件 你 有 a 时间- 受抚养人 曲线
和 这 曲线 他们自己 是 重要的 为了 这 质量 的 你的 产品，
所以 它是 经常 非常 难的 到 定义 任何 种类 的 规格。
并且在 我们的 案件 这里，
这些 曲线 是 评估 经过 专家。
所以 每一个 测量 曾是 发送 到 a 专家，
看起来 在 这 曲线， 说， “是的， 好的， 或者 不是 好的。”
这 是 漂亮的 时间- 消费 和 同情 和 所以 在。
和 在 顶部 的 那， 它是 甚至 坏的 什么时候 这 人 是 生病的 或者 在 假期。
还 它是 a 人- 受抚养人 事物。
所以 经常 它 发生 那 这 人
有 不同的 情绪 或者 不同的 义务
或者 不同的 优先事项 和 所以 在。
所以 让我们 说 这 调整 的 这 曲线 可能 各不相同 a 小的 少量。
所以 它是 种类 的 可重复性 问题
和 我们 通缉 到 停止 那。
所以 那 曾是 这 原因 为什么 我们 开始 和 它。
所以 为了 例子， 这里 你 看 a 选择 从 数百 的 这些 曲线 我们 测量。
和 你 看 这里 它是 a 压力 保持 测量。
所以 我们 有 这里 压力 相对 时间 在 秒。
和 这里 你 看 a 束 的 曲線。
和 这 绿色的 个， 你 看 他们 是 称为 真的。
这 方法 真的 是 公认， 他们 是 好的。
和 错误的 方法 被拒绝， 他们 是 不是 好的。
所以 那里 是 a 坏的 产品。
所以 什么 你 看 这里 那 这 绿色的 一 是 相对地 绑 一起。
这里 在 这 突出显示 截屏， 你 看 更好的。
所以 他们是 漂亮的 关闭 一起。
和 然后 我们 有 a 选择 的 红色的 一
哪个 是 任何一个 分开 从 这 绿色的 个，
但 那里 是 还 二 一 哪个 是 更多的 或者 较少的 在 这 相同的 政权。
但 作为 你 看， 他们 有 完全地 不同的 形 状 。
那里 是 一些 边缘 和 其他 S形 曲线 和 所以 在 和 向前。
所以 如果 它 会 制作 只是 a 简单的 t 三位西格玛 限制 ±
大约 这 好的 个， 为了 例子， 作为 在 这 上 案件 这里，
我们 会 包括 还 这 非善 红色的 一 这里 从 这 降低 图片。
所以 a 简单的 ± 三 西格玛 限制
方法 大约 这 系列 的 曲线 会 不是 是 目标 领导。
所以 我们 需要 某物 哪个 包括 这 位置
哪个 是 完毕 这里 和 这 基本的 纪念碑。
但 还 我们 想 到 有 某物 哪个 需要 关心 关于 这 形状
的 这些 函数， 的 这些 团体，
如何 到 分析 这 形状 和 职位？
所以 那里 是 实际上 二 方法。
一 是 漂亮的 长的- 已知 已经。
这 是 这 主要的 成分 分析。
那是 这 第一的 一。
和 在 更多的 最近的 次 跳转 来了 向上 和
a 功能 数据 探险家 哪个 还 给出 我们 这 可能性 到 做 这 相同的。
但 作为 我们 有 看到， 它 曾是 不是 真的 这 相同的， 所以 它 曾是 不同的。
所以 让我们 开始 和 这 老的 方法， 主要的 成分 分析
为了 正在做 所以， 你 需要 到 转换 这 长的 表一 只是 展示 你
在 这 下一个 图片 这里 在 这 左边 边，
a 长的 桌子 在哪里 你 有 列
和 这 部分 数字， 为了 例子， 通过测试 日期。
但 还 和 这 是 这 重要的 部分
的 这 运行时 和 这 压力 和 这 为了 每个 价值。
和 你 看 这里， 这 是 在 秒。
所以 我们 测量 每一个 一些 毫秒。
和 作为 你 看 还， 它 是 漂亮的 难的 那 为了 这 下一个 部分
它是 确切地 这 相同的 系列 的 数字 这里，
确切地 这 相同的 时间 什么时候 我们 有 这 下一个 压力 观点。
和 这 是 实际上 需要 什么时候 你 想
到 制作 一位校长 成分 分析 因为 你 有 到 转换
这 长的 桌子 进入 a 宽的 桌子 在哪里 你 有 一 排 每 部分
和 然后 你 有 这 白色的 桌子
你在哪里 有 为了 每个 时间 投币口 和 然后 这 数据 點。
所以呢 我们 需要 到 做 现在 是， 第一的 的 全部，
我们 需要 到 带来 全部 这些 运行时 在 这 相同的 规模。
这里， 我们 有 完毕 那 经过 只是 计算
这 最长 时间 作为 100% 和 这 最短 是 零。
和 然后 我们 有 每一个 数字 从 毫秒 秒
已转移 进入 这 百分比 规模。
然后 我们 插值 因为 仍然 他们 是 不是 在 这 相同的 时间 投币口 实际上。
所以 我们 有 到 带来 全部 这 Y 数字 在 这 相同的 时间 观点。
这 方法 我们 需要 到 做 a 种类
的 插值 到 有 他们 全部 在 这 相同的。
和 然后 什么时候 我们 有 那，
所以 我们 创建 a 新的 柱子 和 这 标准 相对的 次。
我已经 只是 见过 他们 在 这 例子 在 这 下一个 滑动， 所以 00001 和 所以 在。
和 然后 我们 转置 他们 进入 这 白色的 形式。
和 从 那里 在， 然后 我们 可以 做 这 主要的 成分 分析，
保存 这 可打印 成分 和 计算 这 T 正方形 从 他们
和 建造 这 控制 图表 从 这些T 正方形 值。
所以 这里 你 看 它是 这 投币口 0%、1%、2% 和 所以 在。
和 这里 是 这 压力 值。
在 a 平行线 阴谋， 它 看起来 种类 的 喜欢 这。
所以 我们 有 这里 这 不同的 插槽 这里 在 这 X- 轴
和 这 压力 是 仍然 这 相同的 数字 作为 前。
和 你 看 那 这 曲线 是 寻找 漂亮的 很多 这 相同的 作为 前。
但 现在 我们 有 关于 100 数据 点 和 前 我们 有 数千。
所以 它是 这 密度 的 这 点 是 a 小的 较少的， 但 仍然 这 曲线
和 这 形状 和 这 职位 和 一切 是 这 相同的 作为 前。
我们 拿 现在 这 白色的 桌子
和 在 全部 这些 不同的 时间 插槽，
我们 做 a 原则 成分 分析。
然后 我们 寻找 这里 这 记分牌 为了 它。
什么 你 已经 看 这里 是 那 在 这 中间 部分， 我们 有 这里
全部 这 绿色的 点 和 这 绿色的 个， 作为 你 看 这里 是 这 公认 一
或 好的 部分 被包围 经过 这 红色的 点，
这 拒绝 个， 这 错误的 个。
和 作为 你 看 还 在 这 例子 这里 我们 能 停留 和 二 主要的 成分
因为 这 第一的 主要的 成分 封面 已经 98% 的 这 变化
在 这 第二 一， 2% 和 这 其他 一 你 能 忽视。
所以 I 思考 它是 好的 足够的 到 节省 只是 这 第一的 二 原则 成分。
和 然后 从 这些 二 主要的 成分， 我们 计算 这 T 正方形。
这 方法 T广场 是 主要的 成分，
一 平方 加 主要的 成分。
二 正方形 会 是 然后 这 T平方 这里
为了 这 数据 观点。
计算 这 一 .
所以 为了 每一个 数据 观点 我们 计算得出，
这 T 正方形 和 带来 它 在 a 控制 图表
瞧， 这 控制 限制 计算 仅有的 从 这 好的，
从 这 绿色的 点， 从 这 好的 跑步， 从 这 好的 曲线。
所以 你 看 它 向下 这里 从 这 移动 范围。
所以 这 方法， 好的。 这 控制，它 代表 这 普通的 自然的 变化，
什么 我们 预计 从 这 好的 个。
和 全部 这 非 好的 个， 这 红色的 一
应该在外面 的 这 政权 这里。
和 你 看 它是 大多 完毕，
但 不是 为了 这些 二 点 这里 为了 部分 数字 14 和 部分 数字 15.
所以 他们是 里面 这 控制 限制。
但 那 是 不是 什么 我们 想 到 看。
所以 第一的 的 全部 我们 有 到 理解 什么 是 这些 二。
所以 如果 你 有 a 看 到 这 下一张图片，
然后 和 强调 只是 这些 二，14 和 15， 然后 我们 看，
“啊，好的。” 赫瑟 是 这 一 这里
哪个 是 真的 之内 这 政权 的 这 绿色的 个。
这 其他 一 哪个 是 更远 分开 从 它， 他们 是 容易地 排除
或不排除， 但 让我们 说 杰出的
这里 和 这 控制 射击。
但 这些 部分 是 不是。
所以 什么 我们 学到了 从 这里， 那 是 这 主要的 成分 方法
作为 我们 有 完毕 它 这里 或者 有 完毕 它 在 以前的 次，
那里 是 不 信息 关于 这 形状 的 这 曲线。
它是 更多的 信息 关于 这 位置 在哪里 它 是 在 这 Y 规模 这里。
所以 我们 需要 某物 别的 哪个 需要 关心 关于 这 形状 的 这 曲线。
所以 什么时候 我们 经过测试 这 FDE， 这 功能 数据 探索者，
和 这 第一的 好的 消息 是 你 能 只是 拿 这 长的 桌子 作为 是。
所以 有 不 需要 为了 数据 转型
或者 带来 这 不同的 时间 点 在 这 相同的 投币口 数字 或者 任何。
所以 你 只是 拿 这 生的 数据 作为 他们 是。
也许 你 将要 排除 一些 真实的 异常值 在哪里 有 这 机器
有 给定 错误的 数字 或者 任何。
但 全部 这 其他 东西 你 能 只是 拿 作为 是
和 有时 也许 你 不 想 到 做 它 在 这 转型左右。
它是 不是 真的 必要的。
和 在 这 案件， 我们 有 只是 采取 这 生的 数据 作为 他们 是。
所以 开始 正在做 一个 频域扩展 在 这，
我们 看 这里 再次 我们的 压力 时间 曲线 作为 我们已经 见过 他们 前。
但 现在 你 看 这些 蓝色的 垂直行业 这里
和 这些 蓝色的 垂直行业 代表 这 数字 的 節點。
所以 什么 是 a 结？
所以 这里 我们 是 配件 a 样条线 曲线。
和 这 样条线 曲线 是， 让我们 说 如果 你 拿 a 统治者
和 然后 你 想 到 制作 它 更灵活一点
到 弯曲 它 到 全部 这些 不同的 曲线
或者说 调整 它 这 最好的 方式 到 这 数据。
和 这 更多的， 不是 这 统治者 有 这 更多的 灵活的 它 是。
和 所以 这 更好的 你 能 调整 全部 这些 不同的 點。
这里， 我们 用过的 这些 20 结 事物。
所以 这些 是 20 垂直行业 这里 和 这里 和 这 基本的 信息 标准，
你 看 那 我们 得到 在 全部 不同的 功能。
我们 得到 这 最小 BIC。
和 只是 有 一个 光学的 控制 在 这，
你 看 在 这 降低 左边， 全部 这 数据 点 分离出来
为了 全部 这 不同的 曲线 这里 和 和 a 红色的 线 在 顶部 的 它
代表 这 样条线 曲线 哪个 我们 合身。
它 没有 事情 如果 这 曲线 是 漂亮的 直截了当
喜欢 这里 或者 有 更多的 边缘 或者 任何，
它是 完美 对齐。
所以 只是 从光学角度来看， 它 看起来 非常 好的。
和 你 能 还 查看 那 和 这 诊断 地块。
为了 例子， 这里 这 瞎的 曲线，
这 预测 价值观 是 显示 相对 这 实际的 个。
和 你 看 他们 是 完美 对齐 大约 这些 45 程度 线 这里。
和 还 这 残差， 这 一 是 左边 和 正确的 这里
从 这 预言 线， 他们 是 漂亮的 小的，
所以 有 不是 a 很多 的 错误 左边， 哪个 是 不是 代表 经过 这 裸。
因此 合身 看起来 真的，真的 出色的。
所以 我们 有 不是 服用 这 参数 为了 这 分裂，
对不起 为了 这 样条线 和 做过 a 功能 FDE。
嗯，我 完全地 使困惑 今天。
和 我们 做过 a 主要的 成分 分析 在 这些。
所以 我们 分离 这 特征值，
哪个 是 这 称重 因素， 和 这 自己的 函数
为了 每个 的 这些 曲線。
然后我们 能 展示 他们 在 a 记分牌。
这里 这 特征值 为了 每个 的 这些 曲線。
和 你 看 这里，
再次 和 这 比克 信用 标准，
你 看 如何 许多 数字 的 功能 原则
成分 你 应该 最佳地 使用。
和 你 看 是 这 最低限度 和 二。
所以 我们 留下来 和 二 再次 作为 这 一 前。
和 现在 我们 有 这 分数 木板，
和 它 看起来 漂亮的 很多 这 相同的 作为 这 一 前。
我们 有 这里 这 中心 部分，绿色 的 这 曲线， 哪个 是 好的，
被包围 经过 这 红色的 个， 哪个 是 拒绝 从 这 专家。
和 现在 我们 已保存 全部 这些 功能 印刷
和 成分 和 建造 a 丁字尺 阴谋 在 它。
和 这里 再次， 这 相同的 图片， 这 正方形。
如果 我们 拿 全部 这 数据 点
到 计算 这 控制 限制， 好的， 然后 除了 这些 二， 一切
是 部分 是 在 控制。
但 这 是 实际上 不是 什么 我们 想 到 有。
所以 我们 想 到 理解 什么 是 这 普通的 变化 的 这 好的 一
到 区分 他们 从 这 变化 的 这 非 好的 个。
和 所以 向下 这里 在 这 第二 阴谋 这里， 我们 计算 这 控制 限制
仅有的 从 这 好的 个。
和 然后 你 看， 好的， 几乎 全部 红色的 曲线 是 外部。
是 出去 的 控制。 但 那里 是 二。
所以 这 数字 14 和 这 数字 二 这里 是 再次 直接地 在 这 边缘。
但 全部 这 其他的 是 清楚地 分开了。
所以 让我们 有 a 看 在 这 二 和 14 哪个 曲线 这些 是。
和 然后 我们 看 这里。 啊，好的。
所以 他们 是 真的 不同的 从 这 红色的 那些，很清楚。
但 还 种类 的 不同的 从 这 多数 的 这 绿色的 个。
所以 这 数字 二， 哪个 是 定义 作为 存在 真的 是 这 一
和 a 更陡峭 坡 这里 比较的 到 全部 这 其他 绿色的 一 这里。
和 这 数字 14 是 这 家伙 这里，
哪个 是 更多的 或者 较少的 在 这 上 结尾 的 这 政权 的 这 青菜。
所以 明显地， 这 小的 差异 这里 在 这 形状 是 不是
强的 足够的 到 来 向上 真的 在 这 统计 计算。
但 我们 可以 真的 排除 这里 这 这家伙
从 这 其他的 和 a 强的 边缘 这里。
和 也许 这 一 如果 这 专家 会 有 a 看 到这个
第二 时间 或者 也许 它 会
有 拒绝 它 因为 它是 也 陡 a 坡 或者 任何。
所以 这些 是 边界 衬垫， I 会 说 在 两个都 案例 这里
和 这 统计 方法 但 还， I 猜测 和 这 手动的 方法。
但 我们 可以 清楚地 探测 数字 15， 哪个 是 这 一 这里 在 这 中间，
作为 存在 a 非 普通的 行为 和 这 工具。
所以 你 看， 这 频域扩展 有 还 一些 限制。
但 全面的， 在 添加 到 这 标准 主成分分析 方法，
它 来 向上 和 这些 形状 信息 的 这 曲線。
和 这 是 还 部分 的 区分 在 a 控制 图表
如果 曲线 或者 a 测量 是 通常情况下 变化 或者 是 它 不是 普通的 不再。
到 结论 这些 事物， 这 标准 主成分分析 方法 合并
和 这 丁字尺 分析 或者 控制 图表
是 好的 为了 检测 这 位置 的 这 曲线
和 区分 他们 从 曲线 哪个 是 不是 在 这 政权。
但 作为 我们 有 看到， 它是 缺乏 如果 这 形状 的 这 曲线 是 的 重要性。
和 和 这 频域扩展 方法， 再次， 合并 和 这 丁字尺 分析，
第一的 的 全部， 它 需求 很多，很多，很多 少一个 启动 准备。
但 在 顶部 的 那， 它是 好的 为了 检查 这 位置 作为 这 多于，
但 还 因为 它 有 形状 信息 的 这 曲線。
它 是 还 包括 那 在 这 好的 非善 理解。
在 我们的 工作， 我们 停止 在 这 观点，
但 主要是， 你 能 建造 a 种类 的 自动的。
如果 你 使用 这些 曲线 或者 这些 主要的 成分
和 这 信息 的 好的 和 坏的， 你 能 自动化 这 好的 和 坏的。
但如果 你 有 a 模型 在后面 哪个 预测 你，
然后呢 你 将要 看。
但 我们 没有 完毕 那。
我们 停止 这里 在 这 丁字尺 图表 到 理解
这 变化 和 什么是 变化 更多的 比 普通的 变化。
感谢 你 非常 很多 为了 你的 注意力。
和 如果 你 有 问题， 我是 打开 到 回答 他们 现在。
感谢 你。
