Interpolation and gridding of aliased geophysical data usingconstrained anisotropic diffusion to enhance trends
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Geophysical data are frequently collected with a fine sample interval along traverse lines but with a coarser sampling in the direction perpendicular to the traverses. This disparity in sampling intervals is particularly evident when magnetic data are collected simultaneously with airborne electromagnetic data. Interpolating this traverse data onto an evenly spaced 2D grid can result in aliasing artifacts. For example, narrow linear structures that trend at acute angles to the traverse lines are imaged as a thick/thin/thick feature, looking like a boudinage or string of beads. Applying the anisotropic diffusion process to the resulting grids of data removes the artifacts, but the grid values close to the traverses are altered significantly from their initial values. The altered values are therefore not faithful to the original traverse data. The anisotropic diffusion algorithm can be modified to constrain values close to the original traverses. This modification removes the aliasing artifacts and produces a data grid faithful to the original traverse data. Some small artifacts along the traverse lines in the final data grid become more evident when grids containing derivative data (such as the analytic signal) are generated from the new data grid. However, these small traverse-line artifacts can be removed with standard microleveling procedures. The constrained anisotropic diffusion process is iterative, and some experimentation is required to determine the appropriate number of iterations.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle