MétaCan
Menu
Retour à la cohorte
Enregistrement W1031198416 · doi:10.1007/978-1-4612-0111-3_33

Estimation of Boundary Conditions from Different Experimental Data Using the LTSN Method and Tikhonov Regularization

2002· book-chapter· en· W1031198416 sur OpenAlexaff
Mário R. Retamoso, Haroldo Fraga de Campos Velho, Marco T. Vilhena

Notice bibliographique

RevueBirkhäuser Boston eBooks · 2002
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTikhonov regularizationInverse problemRegularization (linguistics)Applied mathematicsInversion (geology)Mathematical optimizationBoundary value problemRadiative transferMathematicsAlgorithmComputer scienceMathematical analysisArtificial intelligencePhysicsOptics

Résumé

récupéré en direct d'OpenAlex

The development of inversion methodologies for radiative transfer problems has been an important research topic in many branches of science and engineering [1]. A general methodology for estimating many optical properties in natural waters has been established by using a technique for parameter or function estimation from in situ radiometric measurements. The algorithm is formulated as a constrained nonlinear optimization problem, in which the direct problem is iteratively solved for successive approximations of the unknown parameters. Iteration proceeds until an objective-function, representing the least-squares fit of model results and experimental data, converges to a specified small value. A regularization term is added to the objective function. This implicit algorithm has been applied to identify many properties in inverse hydrological optics (see [2] and [3]). A survey of these results can be found in [4].

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,407
Score d'incertitude au seuil0,931

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,072
Tête enseignante GPT0,368
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBirkhäuser Boston eBooksMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207