ทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับการขุดและการประดิษฐ์ใน Andromeda รวมถึงแหล่งค้นหาวัสดุบางอย่าง
ใน แมสเอฟเฟ็กต์แอนโดรเมดามีเหตุกราดยิงเกิดขึ้นมากมายแต่ยังมีเวลาค้นคว้าข้อมูล สิ่งนี้จะทำให้คุณสามารถสร้างชุดเกราะ อาวุธ การดัดแปลง การอัพเกรดใหม่สำหรับ " เร่ร่อน"และอีกมากมาย
การวิจัยสามประเภท
ใน แมสเอฟเฟ็กต์แอนโดรเมดาข้อมูลการวิจัยแบ่งออกเป็นสามประเภท:
- การวิจัยทางช้างเผือก– ข้อมูลที่เกี่ยวข้องกับชาวอาณานิคมและอุปกรณ์ของพวกเขา
- การวิจัยพริก- ข้อมูลเกี่ยวกับเผ่าพันธุ์ที่พบในแอนโดรเมดา
- การวิจัยของที่ระลึก– ข้อมูลที่เกี่ยวข้องกับเทคโนโลยีที่ถูกทิ้งร้างโบราณ
จะสแกนใน Mass Effect Andromeda ได้อย่างไร?
มันง่ายมาก เปิดใช้งานเครื่องสแกนของคุณโดยคลิกที่ วัตถุหรือรูปแบบชีวิตจะเปลี่ยนเป็นสีส้มหากสามารถสแกนได้
เมื่อทำการสแกน แบบฟอร์มใหม่ชีวิตหรือเทคโนโลยี คุณจะได้รับข้อมูลการวิจัยสำหรับประเภทใดประเภทหนึ่ง ซึ่งสามารถนำไปใช้ในการซื้อพิมพ์เขียวได้
พิมพ์เขียวและประดิษฐ์ของใน Mass Effect Andromeda
เข้าไปที่ศูนย์วิจัยซึ่งคุณจะพบได้บนเรือหรือสถานที่ที่เป็นมิตรแล้วเลือก " ศึกษา". ที่นี่คุณสามารถดูพิมพ์เขียวที่คุณมีสิทธิ์เข้าถึงและแบบใดที่คุณสามารถซื้อได้ ไอเท็มส่วนใหญ่มีระดับ ดังนั้นคุณจะสามารถเข้าถึงระดับถัดไปได้ก็ต่อเมื่อคุณสร้างไอเท็มระดับต่ำกว่าแล้วเท่านั้น
หลังจากภาพวาดปรากฏขึ้นให้ไปที่รายการ " การพัฒนา» เพื่อสร้างอาวุธ ชุดเกราะ และอัพเกรดรถ หากคุณมี วัสดุที่จำเป็น. บางครั้งอาจต้องใช้วัตถุดิบหายาก
หากคุณมีพิมพ์เขียวสำหรับการแก้ไข คุณสามารถนำไปใช้กับไอเท็มที่ประดิษฐ์ขึ้นเพื่อเพิ่มการปรับปรุงได้
การสกัดวัสดุ
ใน แมสเอฟเฟ็กต์แอนโดรเมดามี วิธีต่างๆการทำเหมืองแร่ แร่ธาตุเป็นวิธีการขุดที่ง่ายที่สุดและสามารถเก็บเกี่ยวได้ด้วย Omni-Tool ของ Ryder
โซนการขุดมีความสมบูรณ์ยิ่งขึ้น แต่ต้องมี " เร่ร่อน". เมื่อคุณตั้งค่าสถานีส่งต่อ โซนการขุดทั้งหมดจะปรากฏขึ้น แผนที่ทั่วไป. ไปที่นั่นโดยรถยนต์เปิดการค้นหาและทำตามกำหนดเวลา ยิ่งกำหนดการนานขึ้นก่อนที่จะมีโดรนสำหรับการขุดปรากฏขึ้น คุณจะได้รับทรัพยากรมากขึ้นเท่านั้น
การสแกนวงโคจรและระบบ
เมื่อใช้แผนที่กาแล็กซี่ในโหมดระบบ/วงโคจร คุณมักจะได้รับคำเตือนความผิดปกติจาก Suvi หลังจากนั้นต้องกด / เพื่อเปิดเครื่องสแกน จากนั้นตามลูกศรบนหน้าจอเพื่อค้นหาความผิดปกติ เมื่อคุณพบความผิดปกติแล้ว ให้กด / เพื่อเริ่มการสอบสวน โดยปกติอาจมีแร่ธาตุหรือข้อมูลการวิจัย
). เช่นเดียวกับค่าผิดปกติ “วัตถุใหม่” คือวัตถุที่มีคุณสมบัติแตกต่างไปจากวัตถุของตัวอย่าง (การฝึกอบรม) แต่แตกต่างจากค่าผิดปกติตรงที่ยังไม่มีอยู่ในตัวอย่าง (ซึ่งจะปรากฏขึ้นหลังจากผ่านไประยะหนึ่ง และงานคือการตรวจจับอย่างแม่นยำเมื่อมันปรากฏขึ้น) ตัวอย่างเช่น หากคุณวิเคราะห์การวัดอุณหภูมิและละทิ้งสิ่งที่มีขนาดใหญ่หรือเล็กผิดปกติ แสดงว่าคุณกำลังประสบปัญหากับค่าผิดปกติ และถ้าคุณสร้างอัลกอริธึมที่ประเมินความคล้ายคลึงกับการวัดครั้งก่อนและโยนสิ่งผิดปกติออกไป แสดงว่าคุณกำลัง "ต่อสู้กับความแปลกใหม่"
การปล่อยก๊าซเรือนกระจกเป็นผลมาจาก:
- ข้อผิดพลาดของข้อมูล (ความไม่ถูกต้องในการวัด การปัดเศษ รายการไม่ถูกต้อง ฯลฯ)
- การปรากฏตัวของวัตถุเสียงรบกวน (วัตถุจำแนกไม่ถูกต้อง)
- การมีอยู่ของวัตถุของตัวอย่าง "อื่น ๆ" (เช่นการอ่านเซ็นเซอร์ที่เสียหาย)
บนรูป 1 แสดงให้เห็นว่าเสียงรบกวน (เสียงรบกวน) ถือเป็นค่าผิดปกติ "ในความรู้สึกที่อ่อนแอ" (สามารถเบลอขอบเขตของคลาส/คลัสเตอร์ได้เล็กน้อย) เราสนใจค่าผิดปกติ "ในความหมายที่ชัดเจน" เป็นหลักซึ่งบิดเบือนขอบเขตเหล่านี้
ตามกฎแล้วความแปลกใหม่ปรากฏขึ้นอันเป็นผลมาจากพฤติกรรมใหม่พื้นฐานของวัตถุ สมมติว่า หากวัตถุของเราเป็นคำอธิบายการทำงานของระบบ หลังจากที่ไวรัสแทรกซึมเข้าไป วัตถุนั้นจะกลายเป็น "สิ่งแปลกใหม่" อีกตัวอย่างหนึ่งคือคำอธิบายการทำงานของเครื่องยนต์หลังจากการเสีย สิ่งสำคัญคือต้องเข้าใจในที่นี้ว่า "ความแปลกใหม่" เรียกว่าความแปลกใหม่ด้วยเหตุผลดังกล่าว คำอธิบายดังกล่าวเป็นเรื่องใหม่สำหรับเราโดยสิ้นเชิงและเป็นเรื่องใหม่เพราะเราไม่สามารถมีข้อมูลเกี่ยวกับการติดเชื้อไวรัสทุกประเภทหรืออาการเสียทุกประเภทในตัวอย่างนี้การฝึกอบรม การสร้างตัวอย่างการฝึกอบรมดังกล่าวต้องใช้แรงงานเข้มข้นและมักไม่สมเหตุสมผล ในทางกลับกัน มีความเป็นไปได้ที่จะรวบรวมตัวอย่างการทำงานปกติ (ปกติ) ของระบบหรือกลไกจำนวนมากเพียงพอ
การใช้งานที่นี่คือทะเล:
- การตรวจจับธุรกรรมทางธนาคารที่น่าสงสัย (การฉ้อโกงบัตรเครดิต)
- ตรวจจับการบุกรุก
- การตรวจจับผู้เล่นที่ไม่ได้มาตรฐานในการแลกเปลี่ยน (ภายใน)
- การตรวจจับความผิดปกติในกลไกตามการอ่านเซ็นเซอร์
- การวินิจฉัยทางการแพทย์ (Medical Diagnosis)
- แผ่นดินไหววิทยา
ควรสังเกตว่ายังมีข้อความระบุปัญหาที่เป็นไปได้อีกมากมาย ตัวอย่างเช่น งาน Positive-Unlabeled Classificatio n (การเรียนรู้ PU) คือเมื่อค่าผิดปกติบางตัวมีป้ายกำกับ (คลาส 1) แต่วัตถุการเรียนรู้ที่เหลือ (คลาส 0) ก็อาจมีค่าผิดปกติเช่นกัน ตัวอย่างเช่น ผู้เชี่ยวชาญบอกเราว่าอุปกรณ์เกิดขัดข้องในช่วงเวลาดังกล่าว แต่เขาไม่สามารถสังเกตเห็นความล้มเหลวทั้งหมดได้
แม้ว่าปัญหาการตรวจจับความผิดปกติจะคล้ายกับปัญหาการจำแนกประเภทปกติ แต่ก็ยังมีนิสัยแปลกๆ เช่น ความไม่สมดุลของคลาส (เช่น อุปกรณ์เสียหายค่อนข้างหายาก)
ความผิดปกติไม่เพียงแต่ในข้อมูลแบบตารางเท่านั้น แต่ยังอาจอยู่ในกราฟ อนุกรมเวลา ฯลฯ
![](https://i1.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/fig4_poly.png)
![](https://i0.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/graphs.png)
ฟังก์ชันคุณภาพในงานตรวจจับความผิดปกติจะถูกใช้โดยประมาณเหมือนกับในงานจำแนกประเภท: PR AUC, AUROC ที่นี่ทุกอย่างจะถูกกำหนดโดยบริบทของงาน (ลูกค้า)
วิธีการตรวจจับค่าผิดปกติ
1. การทดสอบทางสถิติ
ตามกฎแล้วจะใช้สำหรับคุณลักษณะเฉพาะและค่าที่มากสุดจะถูกตรวจจับ (การวิเคราะห์ค่าสูงสุด) ตัวอย่างเช่น ใช้การวัดค่า Z หรือ Kurtosis
![](https://i1.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/kurtosis2.png)
ผู้ประกอบวิชาชีพคนใดมีวิธีการพิสูจน์แล้วในการค้นหาค่าสุดขีดสำหรับประเภทข้อมูลบางประเภท วิธีการแสดงภาพหลายวิธี เช่น กล่องหนวด มีเครื่องมือในตัวสำหรับการตรวจจับและแสดงค่าที่มากเกินไปดังกล่าว
สิ่งสำคัญคือต้องเข้าใจว่าคุณค่าและความผิดปกติที่รุนแรงเป็นแนวคิดที่แตกต่างกัน ยกตัวอย่างในตัวอย่างเล็กๆ น้อยๆ
![](https://i1.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/fig2_feats2.png)
2. การทดสอบแบบจำลอง
แนวคิดนี้ง่ายมาก - เราสร้างแบบจำลองที่อธิบายข้อมูล จุดที่เบี่ยงเบนไปจากแบบจำลองอย่างมาก (ซึ่งแบบจำลองผิดอย่างมาก) ถือเป็นความผิดปกติ (ดูรูปที่ 2) เมื่อเลือกรุ่น เราสามารถคำนึงถึงลักษณะของปัญหา คุณภาพการทำงาน ฯลฯ
วิธีการดังกล่าวดีต่อการพิจารณาสิ่งแปลกใหม่ แต่จะได้ผลแย่กว่าเมื่อมองหาค่าผิดปกติ อันที่จริง เมื่อตั้งค่าโมเดล เราใช้ข้อมูลที่มีค่าผิดปกติ (และจะมี "ความคมชัด" สำหรับสิ่งเหล่านั้น)
![](https://i0.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/fig_svd.png)
บนรูป รูปที่ 6 แสดงการประยุกต์ใช้แนวทางแบบจำลอง เรามีเมทริกซ์และเราจำเป็นต้องหาค่าผิดปกติในนั้น เราใช้การสลายตัวของค่าเอกพจน์ที่ไม่สมบูรณ์ (SVD) เพื่อค้นหาเมทริกซ์ที่มีอันดับต่ำที่คล้ายคลึงกับของเรามากที่สุดเท่าที่จะเป็นไปได้ (เพื่อความชัดเจน ตัวเลขทั้งหมดจะถูกปัดเศษ) องค์ประกอบที่แตกต่างอย่างมากจากองค์ประกอบที่สอดคล้องกันของเมทริกซ์ระดับต่ำจะถือเป็นค่าผิดปกติ
3. วิธีการวนซ้ำ
วิธีการที่ประกอบด้วยการวนซ้ำ ซึ่งแต่ละวิธีจะลบกลุ่มของ "วัตถุที่น่าสงสัยอย่างมาก" ตัวอย่างเช่น ในพื้นที่คุณลักษณะ n มิติ เราสามารถลบส่วนนูนของวัตถุจุดของเราออกได้ โดยพิจารณาจากตัวแทนของมันว่าเป็นค่าผิดปกติ ตามกฎแล้ววิธีการของกลุ่มนี้ค่อนข้างลำบาก
![](https://i2.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/fig4_vypukl.png)
4. วิธีการเมตริก
เมื่อพิจารณาจากจำนวนสิ่งพิมพ์ วิธีนี้เป็นวิธีที่ได้รับความนิยมมากที่สุดในหมู่นักวิจัย พวกเขายืนยันการมีอยู่ของตัวชี้วัดบางอย่างในพื้นที่ของวัตถุซึ่งช่วยในการค้นหาความผิดปกติ เป็นที่ชัดเจนโดยสัญชาตญาณว่าค่าผิดปกติมีเพื่อนบ้านน้อย ในขณะที่จุดทั่วไปมีเพื่อนบ้านจำนวนมาก ดังนั้น การวัดความผิดปกติที่ดีอาจเป็นได้ เช่น "ระยะทางไปยังเพื่อนบ้านที่ k" (ดูวิธีปัจจัยค่าผิดปกติเฉพาะที่) มีการใช้หน่วยเมตริกเฉพาะที่นี่ เช่น ระยะทางมหาลาโนบิส
![](https://i0.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/fig2_nns.png)
5. วิธีการทดแทนงาน
เมื่อเกิดปัญหาใหม่ มีสิ่งล่อใจอย่างมากให้แก้ไขด้วยวิธีเก่าๆ (เน้นไปที่ปัญหาที่ทราบอยู่แล้ว) ตัวอย่างเช่น คุณสามารถทำคลัสเตอร์ได้ จากนั้นคลัสเตอร์ขนาดเล็กก็มีแนวโน้มที่จะประกอบด้วยความผิดปกติ หากเรามีข้อมูลบางส่วนเกี่ยวกับความผิดปกติ (เช่นในปัญหา PUC) เราก็สามารถแก้ปัญหาดังกล่าวได้ในฐานะปัญหาการจำแนกประเภทด้วยคลาส 1 (ความผิดปกติที่มีป้ายกำกับ) และ 0 (วัตถุอื่น ๆ ทั้งหมด) หากคลาส 0 ประกอบด้วยวัตถุปกติเท่านั้น วิธีแก้ปัญหาดังกล่าวจะถูกกฎหมายอย่างสมบูรณ์ ไม่เช่นนั้นก็ยังคงหวังว่าจะมีความผิดปกติที่ตรวจไม่พบอยู่เล็กน้อย
![](https://i2.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/fig2_cluster.png)
6. วิธีการเรียนรู้ของเครื่อง
แต่จะเป็นอย่างไรถ้าเรามองว่าปัญหาการค้นหาความผิดปกติเป็นปัญหาใหม่ของแมชชีนเลิร์นนิง (แตกต่างจากการจัดหมวดหมู่และการจัดกลุ่ม)!
อัลกอริธึมที่ได้รับความนิยมสูงสุด (มีการนำไปใช้แม้ใน scikit-learn) อยู่ที่นี่:
- เครื่องเวกเตอร์สนับสนุนคลาสเดียว (OneClassSVM)
- ป่าโดดเดี่ยว (IsolationForest)
- ทรงรีพอดีกับข้อมูล (EllipticEnvelope)
![](https://i1.wp.com/alexanderdyakonov.files.wordpress.com/2017/04/fig_all.png)
- เคอร์เนล– เคอร์เนล (เชิงเส้น: เชิงเส้น พหุนาม: โพลี ฟังก์ชันพื้นฐานแนวรัศมี: rbf, ซิกมอยด์: ซิกมอยด์, กำหนดเอง)
- นู๋– ขอบเขตบนของข้อผิดพลาด % และขอบเขตล่างของเวกเตอร์รองรับ % (ค่าเริ่มต้น 0.5)
- ระดับคือระดับของเคอร์เนลพหุนาม
- แกมมา- ค่าสัมประสิทธิ์สำหรับคุณสมบัติเคอร์เนล (1/n_features โดยค่าเริ่มต้น)
- coef0– พารามิเตอร์ในฟังก์ชันเคอร์เนลพหุนามหรือซิกมอยด์
- n_ตัวประมาณค่า- จำนวนต้นไม้
- max_samples- ขนาดตัวอย่างสำหรับสร้างต้นไม้ 1 ต้น (หากเป็นจำนวนจริงแล้วจะเป็นเปอร์เซ็นต์ของตัวอย่างทั้งหมด)
- การปนเปื้อนคือสัดส่วนค่าผิดปกติในกลุ่มตัวอย่าง (สำหรับเลือกเกณฑ์)
- max_features– จำนวน (หรือ %) ของฟีเจอร์ที่ใช้เมื่อสร้างทรีหนึ่งต้น (จนถึงตอนนี้ใช้งานได้กับค่า 1.0 เท่านั้น)
- บูตสแตรป– เปิดใช้งานโหมดบูตสแตรปเมื่อสุ่มตัวอย่าง
7. ชุดอัลกอริธึม
แนวคิดของ "อัลกอริธึมตัวเดียวนั้นดี แต่ดีกว่าร้อยตัว" ได้เจาะเข้าไปในวิธีการในการแก้ปัญหาการตรวจจับความผิดปกติด้วย จึงมักมีการสร้างอัลกอริธึมที่แตกต่างกันมากมาย แต่ละรายการจะให้ค่าประมาณของความผิดปกติ จากนั้นค่าประมาณเหล่านี้จะถูก "เฉลี่ย"
เนื่องจากประเด็นสำคัญในปัญหาการตรวจจับความผิดปกติที่แท้จริงคือการเลือกคุณลักษณะที่ระบุลักษณะการเบี่ยงเบนบางอย่างจากบรรทัดฐาน อัลกอริธึมทั้งมวลจึงถูกสร้างขึ้นเพื่อพยายามคาดเดาช่องว่างที่ดี ที่นี่เป็นที่นิยม:
- คุณลักษณะการบรรจุถุง(ไม่ใช่ชื่อที่ดีนัก) - สำหรับแต่ละอัลกอริธึม จะมีการสุ่มพื้นที่ย่อยของฟีเจอร์
- การบรรจุถุงแบบหมุน– ในสเปซย่อยคุณลักษณะสุ่มที่เลือก จะมีการเลี้ยวแบบสุ่ม
อย่างไรก็ตาม "การหาค่าเฉลี่ย" ในที่นี้ไม่ได้หมายถึงค่าเฉลี่ยเลขคณิตของการประมาณค่าทั้งหมดเสมอไป แต่เป็นที่ชัดเจนโดยสัญชาตญาณว่าค่าสูงสุดมักจะทำงานได้ (หากอัลกอริทึมบางตัวแน่ใจในวัตถุที่ผิดปกติ ก็มีแนวโน้มว่าจะเป็นเช่นนั้น)
ประวัติศาสตร์จากการปฏิบัติ
ในงานการค้นหาความผิดปกติ สิ่งสำคัญคือต้องเข้าใจวิธีการทำงานของอัลกอริทึมการค้นหาและอธิบายสิ่งนี้ให้กับลูกค้า ตัวอย่างเช่น เมื่อผู้เขียนมีส่วนร่วมในการแก้ไขปัญหาที่คล้ายกันครั้งล่าสุด ลูกค้าต้องการเครื่องมือสำหรับตรวจจับการเสีย แต่เนื่องจากลักษณะของแบบจำลอง อัลกอริธึมสำหรับการตรวจจับ "อุปกรณ์ที่ทำงานผิดปกติ" เช่น มันให้สัญญาณไม่เพียง แต่ในกรณีที่เครื่องเสียเท่านั้น แต่ยังรวมถึงในกรณีที่อุปกรณ์ทำงานไม่ถูกต้องตลอดจนเมื่อทำงานในโหมดที่หายากมาก ความล้มเหลวบางอย่าง (บ่อยมาก) เขายังคงพลาดเพราะ "สิ่งเหล่านี้ได้กลายเป็นบรรทัดฐานของอุปกรณ์ไปแล้ว" เป็นที่ชัดเจนว่าหากมีตัวอย่างที่มีป้ายกำกับจำนวนมาก ปัญหาดังกล่าวก็จะไม่เกิดขึ้น แต่ในทางปฏิบัติแล้ว อุปกรณ์ไม่ได้ทำงานเป็นเวลานาน นอกจากนี้ยังมีการเสียหายเล็กน้อยด้วย (และไม่ใช่ว่าจะเกิดขึ้นทั้งหมด) และความล้มเหลวบางอย่างอาจไม่เกิดขึ้น สังเกตเห็นหรือสังเกตเห็นอย่างช้าๆ นอกจากนี้การพังทลายบางอย่างจะไม่ส่งผลต่อการอ่านเซ็นเซอร์แต่อย่างใด ในตอนแรก ลูกค้ารู้สึกไม่พอใจกับคุณภาพมาก แต่เมื่อพวกเขาอธิบายวิธีการทำงานของอัลกอริทึม ลูกค้าได้ตรวจสอบข้อมูลการทดสอบและทำให้แน่ใจว่าอัลกอริทึมนั้นมีประโยชน์มาก แม้ว่าจะไม่พบข้อผิดพลาดใดๆ ก็ตาม แต่ก็สามารถใช้เป็น ตัวตรวจสอบ “ว่าอุปกรณ์ทำงานในโหมดปกติหรือไม่” และนี่คือสิ่งที่สำคัญที่สุด
ป.ล. สามารถนำโค้ดสำหรับรับรูปที่ 10 ได้
(โรงไฟฟ้านิวเคลียร์ การสื่อสารใต้ดิน - เหมือง การฝังกลบ การสื่อสารใต้ดิน สุสาน)
- ในสถานที่อยู่อาศัยของเขา (เนื่องจากความขัดแย้งรวมถึงวัตถุต่าง ๆ ที่ทำให้เกิดการเปลี่ยนแปลงโครงสร้างพลังงานของห้อง - ภาพวาดรูปแกะสลัก ฯลฯ )
- ในสถานที่ที่มีการชนกับยูเอฟโอและวัตถุอื่นที่ไม่รู้จักบนพื้นผิว
โซนที่ผิดปกติเหล่านี้เป็นอันตรายต่อจิตใจและ สุขภาพกายบุคคล. ไม่ใช่เพื่ออะไรที่พวกเขาเป็นสถานที่ "ตาย" ในหมู่ผู้คน แต่พวกเขายังมีข้อเสียอีกประการหนึ่ง: ในโซนที่ผิดปกติบ่อยกว่าในสถานที่ปกติหลายเท่าปรากฏการณ์โพลเตอร์ไกสต์การโต้ตอบกับยูเอฟโอเกิดขึ้นและสถานที่เหล่านี้ตามนักจิตศาสตร์จิตศาสตร์เป็นประตูสู่โลกคู่ขนาน
แม้ว่าวิทยาศาสตร์จะยังไม่ทราบโซนที่ผิดปกติ แต่ก็มีข้อสังเกตว่าโซนดังกล่าวตั้งอยู่ใกล้น้ำใต้ดิน (พวกมันสร้างการเคลื่อนที่เป็นวงกลมของพลังงาน) หรือทางเลี้ยวของแม่น้ำ การปรากฏตัวของแถบ geopathic ที่ทรงพลังในสถานที่ดังกล่าวก็ถูกบันทึกไว้เช่นกัน นอกจากนี้โซนที่ผิดปกติยังอยู่ในตำแหน่งของทางออกหินและรอยเลื่อน
ในการศึกษาโซนผิดปกติข้อมูลที่สะสมและสัญชาตญาณของผู้วิจัยไม่ได้มีความสำคัญเป็นอันดับสุดท้าย สามารถสรุปข้อสรุปเกี่ยวกับธรรมชาติของโซนได้ในระหว่างการตรวจวัดสนามพลังงาน รูปร่างภูมิประเทศ พฤติกรรมของสัตว์ พืชพรรณ หลังจากได้ภาพรวมจากสัญญาณเหล่านี้แล้วจึงจะสามารถสรุปผลได้ เมื่อมีประสบการณ์เพียงพอในการศึกษาโซนที่ผิดปกติ เราสามารถสร้างแนวคิดเกี่ยวกับโซนนั้นได้เมื่อเข้าใกล้มัน และยังเผยให้เห็นถึงลักษณะของโซนหรืออย่างน้อยก็มีอิทธิพลต่อบุคคลและอันตรายเมื่อมาเยือนสถานที่แห่งนี้
ดังนั้นจึงมีคำเตือนแยกต่างหากสำหรับผู้ที่คุ้นเคยกับการดำเนินการทันที: การไปเยือนโซนผิดปกตินั้นไม่ปลอดภัยต่อสุขภาพกาย สุขภาพจิต และแม้แต่ชีวิตของนักวิจัย โซนที่ผิดปกติจะมีความรุนแรงโดยปกติ ผลกระทบเชิงลบบนโครงสร้างพลังงานของมนุษย์ เมื่อทำการวัดสนามพลังงานของบุคคลก่อนและหลังการเยี่ยมชมโซนและหลัง พวกเขาแสดงให้เห็นดังต่อไปนี้: หลังจากเยี่ยมชมโซนดังกล่าว พลังงานของมนุษย์มี "โครงสร้างฉีกขาด" นอกจากนี้ หากสนามพลังชีวภาพของมนุษย์ตามปกติมีรูปร่างเป็นรูปไข่ โดยจะแบนด้านข้างเพียงเล็กน้อย จากนั้นหลังจากไปที่โซนผิดปกติ สนามนี้จะทำลายความสมบูรณ์ของรังไหม และในบางกรณีก็อาจไม่สามารถมองเห็นได้เลย ทั้งหมดนี้เต็มไปด้วยปัญหาสุขภาพ เป็นผลให้ผู้วิจัยจำเป็นต้องรักษาโครงสร้างพลังงานให้อยู่ในสภาวะที่สมดุลและกลมกลืนซึ่งต้องทำแบบฝึกหัดพิเศษ (เช่นเทคนิคสำหรับจักระ)
มีสัญญาณบ่งชี้ว่ามีโซนผิดปกติมากมาย นี่คือบางส่วนของพวกเขา:
- เมื่อทำการตรวจวัดทางชีวภาพ ลูกตุ้มหรือโครงดาวซิ่งมีพฤติกรรมผิดปกติ
- การจ้องมองเกาะติดกับบริเวณใดบริเวณหนึ่งโดยไม่ได้ตั้งใจและถูกดึงดูดไปยังบริเวณนั้น
- การไม่มีสิ่งมีชีวิตทั้งหมดในสถานที่ท้องถิ่น
- พืชพรรณที่ดูแปลกตาแตกต่างไปจากที่ตั้งอยู่ใกล้โซน
- พฤติกรรมที่ไม่เพียงพอของสัตว์
- เสียงประเภทต่าง ๆ รูปลักษณ์ที่ท้าทายคำอธิบายเชิงตรรกะ
- ภาพและนิมิตที่เกิดขึ้นใหม่
- การปรากฏตัวของวัตถุแปลก ๆ
- ความรู้สึกผิดปกติในร่างกายและจิตใจขณะอยู่ในโซน
ความเห็นจาก โกรธตัวตลก
โพสต์วิดีโอ: http://www.youtube.com/watch?v=CeBEGH4zTKcแสดงตำแหน่งของความผิดปกติ UI ของฉันจะไม่แสดงลูกกลมสีเหลืองที่คุณเห็นในวิดีโอ แต่ไม่ได้หยุดฉันจากการวิ่งไปยังตำแหน่งที่แน่นอนนั้นและทำภารกิจให้เสร็จภายในสองวินาทีเพียงเดินตามทางลาดขึ้นจากพื้นที่ฝูงชนแล้วกอดกำแพงด้านขวา ผ่านบันไดที่นำไปสู่พื้นที่พันธมิตร (อย่าขึ้นไป) บางทีหลังจากผ่านบันไดไปตามกำแพงไป 20 หลาจะเป็นที่ที่คุณจะ ค้นหามัน
ความเห็นจาก zazz999
สำหรับผู้ที่มีปัญหาในการค้นหาความผิดปกติด้วยเหตุผลต่างๆไปที่เหมือง 63, 26 แล้วคุณควรทำภารกิจให้สำเร็จ
ความเห็นจาก jtbalogh
ฉันพบลูกแก้วในจุดที่แตกต่างจากเพื่อนของฉันในภารกิจเดียวกันและในวันเดียวกันตัวอย่างเช่นดู
55, 26 (ปลายรางกลางห้อง)
หรือ 63, 26 (ติดกำแพง)
หรือ 58, 27.4 (อีกผนังหนึ่ง)
หรือ 62.7, 21.6 (ระหว่างรางกับบันได)
ติดตามมิเตอร์ในกรณีที่พิกัดเปลี่ยนแปลงในครั้งต่อไป
- ลูกกลมจะปรากฏเฉพาะเมื่อมิเตอร์อยู่ที่ 97% (เลื่อนเมาส์ไปเหนือมิเตอร์เพื่อดู%)
- ลูกกลมใช้เวลาสักครู่จึงจะปรากฏ ดังนั้นอย่าวิ่งเร็วเกินไปผ่านมันไป
- ลูกกลมอยู่ในระดับเดียวกับกลุ่มวิญญาณในพื้นที่ซากปรักหักพังของ Ogudei