MétaCan
Menu
Retour à la cohorte
Enregistrement W2025349981 · doi:10.1109/ccst.2010.5678698

Impact of new technology on Bistatic Microwave Intrusion sensors

2010· article· en· W2025349981 sur OpenAlexaff
Shannon Cramp

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSensor Technology and Measurement Systems
Établissements canadiensSenstar (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceElectronic engineeringTransmitterSIGNAL (programming language)Bistatic radarSignal processingModulation (music)MicrowaveDigital signal processingSensitivity (control systems)Frequency modulationElectrical engineeringChannel (broadcasting)Radio frequencyTelecommunicationsEngineeringComputer hardwareRadarAcoustics

Résumé

récupéré en direct d'OpenAlex

The next generation of the Bistatic Microwave Intrusion Sensor is driven by recent advances in technology. By taking advantage of the progress in technology, the sensor and infrastructure cost is reduced, the power consumption is reduced and the user experience is improved. Previous generations of Bistatic Microwave Sensors utilized analog signal processing and filtering. In the next generation of the Bistatic Microwave Sensor, the progress in semiconductor technology and microprocessors is taken advantage of by implementing sophisticated digital signal processing techniques in a cost effective manner. The use of digital filters and gain settings allow for remote adjustment of detection parameters including detection speed and sensitivity. Advances in RF synthesizers allow for narrow channelization of units through frequency diversity. This replaces the conventional method of modulation allowing for increased channel options and leaves the modulation of the transmitted signal as a method of communicating from the transmitter to the receiver.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,006
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,019
Tête enseignante GPT0,270
Écart entre enseignants0,251 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSensor Technology and Measurement SystemsTravaux en français237 207