MétaCan
Menu
Retour à la cohorte
Enregistrement W2014735712 · doi:10.1366/000370208785284259

Chi-Squared-Based Filters for High-Fidelity Signal-to-Noise Ratio Enhancement of Spectra

2008· article· en· W2014735712 sur OpenAlexaff
H. Georg Schulze, Rod B. Foist, André Ivanov, Robin F. B. Turner

Notice bibliographique

RevueApplied Spectroscopy · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBinary Golay codeSmoothnessMeasure (data warehouse)Signal-to-noise ratio (imaging)Noise (video)AlgorithmFidelitySpectrum (functional analysis)SIGNAL (programming language)Mean squared errorMathematicsFunction (biology)OpticsComputer sciencePhysicsStatisticsMathematical analysisTelecommunicationsArtificial intelligenceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

When reconstructing a measured spectrum to enhance its signal-to-noise ratio (SNR), the objective is to minimize the variance between the smooth reconstructed spectrum and the original measured spectrum, hence to attain an acceptably small chi2 value. The chi2 value thus measures the fidelity of the reconstruction to the original. Smoothness can be conceived as attenuated variation between adjacent points in a spectrum. Thus, a conceptual change in the application of the chi2 function to the difference between adjacent points of the reconstructed spectrum permits its use, in principle, as both a measure of smoothness and a measure of fidelity. We show here that implementations of this concept produce results superior to Savitzky-Golay filters.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil1,000

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 Opus0,016
Tête enseignante GPT0,270
Écart entre enseignants0,254 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations12
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SpectroscopyMême sujetStructural Health Monitoring TechniquesTravaux en français237 207