MétaCan
Menu
Retour à la cohorte
Enregistrement W2004512227 · doi:10.1109/tap.2009.2037766

On the Design of a Compact Neural Network-Based DOA Estimation System

2009· article· en· W2004512227 sur OpenAlexaff
Nelson J. G. Fonseca, Michael Coudyser, Jean‐Jacques Laurin, Jean‐Jules Brault

Notice bibliographique

RevueIEEE Transactions on Antennas and Propagation · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésDirection of arrivalBeamformingComputer scienceAntenna (radio)Artificial neural networkSmart antennaSIGNAL (programming language)Antenna arraySignal-to-noise ratio (imaging)Degree (music)AcousticsAlgorithmElectronic engineeringTelecommunicationsOmnidirectional antennaPhysicsArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

A system to measure the direction of arrival (DOA) of a signal within a 45-degree conical sector is demonstrated. The system is compact and uses only four circularly polarized patch elements. A printed beamforming network is used to create a set of partially overlapping beams allowing DOA estimation without ambiguity. Neural networks are used to first classify the antenna signals and then estimate the DOA. The proposed system was validated experimentally in C band and, in spite of the highly disturbed beams caused by the finite size of the antenna platform, it was shown that DOA estimation errors in the order of one degree were achievable under signal-to-noise ratios of 10 dB.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,025
Tête enseignante GPT0,242
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), 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

Citations32
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Antennas and PropagationMême sujetSpeech and Audio ProcessingTravaux en français237 207