MétaCan
Menu
Retour à la cohorte
Enregistrement W2031770697 · doi:10.1121/1.4771975

Trans-dimensional geoacoustic inversion of wind-driven ambient noise

2012· article· en· W2031770697 sur OpenAlexaff
Jorge E. Quijano, Stan E. Dosso, Jan Dettmer, Lisa M. Zurk, Martin Siderius

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesOffice of Naval Research
Mots-clésParallel temperingInversion (geology)Markov chain Monte CarloSeabedAmbient noise levelGeologyReversible-jump Markov chain Monte CarloMetropolis–Hastings algorithmBayesian probabilityJumpMonte Carlo methodAcousticsAlgorithmComputer scienceHybrid Monte CarloMathematicsPhysicsStatisticsOceanographySeismologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This letter applies trans-dimensional Bayesian geoacoustic inversion to quantify the uncertainty due to model selection when inverting bottom-loss data derived from wind-driven ambient-noise measurements. A partition model is used to represent the seabed, in which the number of layers, their thicknesses, and acoustic parameters are unknowns to be determined from the data. Exploration of the parameter space is implemented using the Metropolis-Hastings algorithm with parallel tempering, whereas jumps between parameterizations are controlled by a reversible-jump Markov chain Monte Carlo algorithm. Sediment uncertainty profiles from inversion of simulated and experimental data are presented.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,781

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,245
Écart entre enseignants0,225 · 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.

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

Citations18
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetUnderwater Acoustics ResearchTravaux en français237 207