Статьи

Машинное обучение, потоковый Интернет вещей и подключенные медицинские устройства. Часть 4

Использование модели нормального состояния для передачи данных

Чтобы сравнить фактическую ЭКГ с моделью для нормального поведения, когда приходит сигнал, то перекрываются последовательности фигур, показаны зеленым цветом, а те, что соответствуют каталога шаблонов, показаны красным цветом, а затем они объединяются, чтобы получить в режиме реального времени реконструкцию того как должна выглядеть типичная ЭКГ. (Чтобы реконструировать с перекрывающими частями, мы размножаем их с помощью синусоидальной оконной функции.)

В следующем коде Spark Apache мы:
• Используем метод DStream foreachRDD, чтобы применить обработку к каждому RDD в данном DStream.
• Разбираем данные ЭКГ в вектор.
• Используем модель кластеризованных оконных форм ЭКГ, чтобы получить кластер для данного окна.
• Создаем сообщение с идентификатором кластера, 32 фактических точек данных ЭКГ и 32 реконструированных точек данных ЭКГ.
• Отправляем дополненное сообщение к другой теме MapR-ES.

Отображение фактической ЭКГ и реконструированной нормальной ЭКГ в информационной панели в режиме реального времени
Веб-приложение в режиме реального времени отображает фактическую ЭКГ и реконструирует нормальную ЭКГ, используя Vert.x, набор инструментов для создания реактивных микросервисив на основе событий. В веб-приложении:
• Клиент Vert.x Kafka получает дополнены обогащенные сообщение ЭКГ по теме MapR-ES и публикует сообщение на шине событий Vert.x.
• Клиент браузера JavaScript подписывается к шине событий Vert.x, используя SockJS, и отражает наблюдаемую ЭКГ (зеленый цвет) и реконструированную ожидаемую ЭКГ (красный цвет).

P.S. Если вы хотите узнать все про создание сайтов на Битрикс, а также про раскрутку и управление сайтом, рекомендуем зайти на сайт bxall.ru — тут очень много полезной инфы про Битрикс и продвижение проектов.

0 комментариев

Только зарегистрированные и авторизованные пользователи могут оставлять комментарии.