MétaCan
Menu
Retour à la cohorte
Enregistrement W2012158430 · doi:10.1155/2008/672941

A Window Width Optimized S-Transform

2007· article· en· W2012158430 sur OpenAlexafffund
Ervin Sejdić, Igor Djurović, Jin Jiang

Notice bibliographique

RevueEURASIP Journal on Advances in Signal Processing · 2007
Typearticle
Langueen
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWindow functionEnergy (signal processing)Window (computing)Fourier transformComputer scienceFrequency domainAlgorithmS transformConstant (computer programming)Short-time Fourier transformSIGNAL (programming language)Fast Fourier transformTime domainTime–frequency analysisMathematicsFourier analysisTelecommunicationsSpectral densityStatisticsArtificial intelligenceMathematical analysisWavelet transformComputer vision

Résumé

récupéré en direct d'OpenAlex

Energy concentration of the S-transform in the time-frequency domain has been addressed in this paper by optimizing the width of the window function used. A new scheme is developed and referred to as a window width optimized S-transform. Two optimization schemes have been proposed, one for a constant window width, the other for time-varying window width. The former is intended for signals with constant or slowly varying frequencies, while the latter can deal with signals with fast changing frequency components. The proposed scheme has been evaluated using a set of test signals. The results have indicated that the new scheme can provide much improved energy concentration in the time-frequency domain in comparison with the standard S-transform. It is also shown using the test signals that the proposed scheme can lead to higher energy concentration in comparison with other standard linear techniques, such as short-time Fourier transform and its adaptive forms. Finally, the method has been demonstrated on engine knock signal analysis to show its effectiveness.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,016
Tête enseignante GPT0,291
Écart entre enseignants0,275 · 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

Citations144
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEURASIP Journal on Advances in Signal ProcessingMême sujetPower Quality and HarmonicsTravaux en français237 207