MétaCan
Menu
Retour à la cohorte
Enregistrement W1994974710 · doi:10.1109/wamicon.2006.351901

Application of Ad-hoc sensor networks for localization in underground mines

2006· article· en· W1994974710 sur OpenAlexaff
Abdellah Chehri, Paul Fortier, Pierre-Martin Tardif

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésWireless sensor networkWireless ad hoc networkComputer scienceSafety monitoringCoal miningMobile ad hoc networkUnderground mining (soft rock)Node (physics)Constraint (computer-aided design)Computer networkReal-time computingWirelessEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Underground mining is a hazardous industrial activity. The harsh physical environment and distinct topology that make mining dangerous act as a hindrance or constraint to the very techniques and technologies that could improve safety and productivity. Workers safety is of paramount importance and is certainly a moral obligation for any business! Wireless sensor networks monitoring is an application that is very crucial for the safety of mine workers. These sensors can monitor vital life signs of workers which may be very useful during emergency situations. Localization and tracking of moving objects is an essential capacity for a sensor network in many applications. This paper studies the problem of localization in underground mines using ad-hoc sensor networks. We use the DV-hop algorithm to estimate the distance between a mobile node and a fixed anchor and we apply the bounding box technique to estimate the location

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,285

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 Opus0,005
Tête enseignante GPT0,203
Écart entre enseignants0,198 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207