Modélisation d'un canal minier Ultra Large Bande(UWB) en utilisant les réseaux de neurones Artificiels RBF
Notice bibliographique
Résumé
Dans un environnement m1mer, le besoin d'un système de communication fiable est primordial. Ce type d'environnement étant complexe, le déploiement des systèmes de communication nécessite une connaissance parfaite du milieu de propagation. La modélisation d'un canal présente une matière très intéressante dans le domaine de recherche, et elle a été traitée dans plusieurs travaux en se basant sur des modèles traditionnels permettant de déterminer le comportement du canal de propagation selon des modèles analytiques, empiriques ou stochastiques. Dans notre projet d'étude, on s'intéresse à la modélisation du canal ultra-large bande (Ultra-Wide band UWB) dans un environnement minier en se basant sur une méthode différente des méthodes traditionnelles ; l'utilisation des réseaux de neurones artificiels RBF (réseaux à fonction de base radiale). Le canal de transmission UWB est un canal à trajets multiples, surtout au cas des applications à l'intérieur. Dans notre recherche, on s'est basé sur des mesures réalisées par LR TCS dans la mine CANMET à V al d'or située à 500km au nord de Montréal, Canada. Ces mesures ont servi comme base de données pour entrainer et créer l'architecture du réseau de neurones RBF. Dans un travail antérieur, la modélisation du canal en utilisant les réseaux de neurones est réalisée, mais en utilisant les réseaux de neurones multicouches MLP (Multi Layer Perceptron), et en s'intéressant seulement à l'affaiblissement de parcours en visibilité directe (line of sight, LOS). Dans ce travail, nous nous sommes intéressés à estimer l'affaiblissement du parcours1 (Path Joss) sur toute la bande UWB, et la phase du signal reçu, en considérant les deux types de trajets : en visibilité directe (LOS) et en visibilité non directe (non line of sight, NLOS). Les résultats obtenus montrent la capacité de ce type de réseau à modéliser le canal UWB dans un environnement minier avec une haute précision.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».