MétaCan
Menu
Retour à la cohorte
Enregistrement W2032476719 · doi:10.1109/jsen.2013.2271254

A Detailed Evaluation of the Correlation-Based Method Used for Estimation of the Brillouin Frequency Shift in BOTDA Sensors

2013· article· en· W2032476719 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Sensors Journal · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésInitializationEstimatorEstimation theoryNoise (video)AlgorithmFrequency domainMultitaperComputer scienceLeast-squares function approximationMathematicsStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper thoroughly describes and evaluates the method that was previously presented for estimating the central frequency of noisy Lorentzian curves (spectra) acquired from the measurements with Brillouin optical time domain analysis (BOTDA) sensors. The estimator is based on the cross-correlation technique and addresses the problem of sensitivity to noise and parameter initialization observed in other central frequency estimation methods employed with BOTDA sensors. Most of the current estimation methods rely on optimized rigorous least squares or maximum likelihood estimation (MLE) algorithms, which are sensitive to the parameter initialization and noise as they iteratively attempt to minimize the squared error or maximize the matching probability between the model and noisy curve. Alternatively, the estimation made with the cross-correlation based method is more accurate, noniterative, and insensitive to the parameter initialization. This statement is demonstrated and proved by comparing the correlation-based method with two commonly used iterative curve fitting methods based on the Levenberg-Marquardt algorithm and MLE.

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.

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)0,001
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 enseignants0,068
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,022
Tête enseignante GPT0,286
Écart entre enseignants0,264 · 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