Live-Site Discrimination Analysis of Polarization Tensor Parameters Extracted from Time-Domain Sensors
Notice bibliographique
Résumé
Abstract In this paper, we compare the discrimination potential of feature vectors extracted from polarization tensor fits to two types of time-domain electromagnetic data collected at two live-sites: a Geonics EM61 metal detector with 4 time-channels and a Geonics EM63 with 26 channels spanning a longer time-range. Pervasive on the first live-site were non-ferrous adapters, which comprised almost 40% of the items excavated. The discrimination challenge was to identify larger ferrous unexploded ordnance and smaller 40 mm grenades while minimizing excavations of adapters. For the EM61, the relative size and decay rate of the primary and secondary polarizations allowed many adapters to be excluded from the dig list. The standard deviation of the magnetic field data in a 0.5-m radius around the center of the anomaly was also a highly effective feature for discriminating against adapters. For the EM63, the decay of the secondary polarization of the adapters was significantly different than that of any of the UXO. Consequently, the derived polarization parameters were very effective in discriminating both UXO and 40-mm grenades from the adapters. The longer measurement time of the EM63 resulted in superior discrimination performance to the EM61 and obviated the need for supplemental magnetic data. At the second live-site we compare EM63 datasets collected in both detection and cued-interrogation modes. The primary and secondary polarizations of 37-mm projectiles and MK-23 practice bombs found at the site were more tightly clustered for the cued-interrogation data and agreed closely with previously derived test-stand values. In addition, the secondary and tertiary polarizations were in close agreement for the radially-symmetric ordnance, so that a feature related to the difference of these polarizations has good discrimination potential. This was not the case for the discrimination mode data, where there were often large differences between the secondary and tertiary polarizations.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».