Cognitive Radar: Step Toward Bridging the Gap Between Neuroscience and Engineering
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.
Notice bibliographique
Résumé
In this paper, we describe a cognitive radar (CR) that mimics the visual brain. Although the visual brain and radar are different in that the visual brain does not transmit a probing signal to the environment while the active radar greatly relies on the probing signal it transmits to the environment, both of them are observers of the surrounding environment. As such, there is much that we can learn from the visual brain in building a new generation of CRs that outperform traditional radars. In this paper, we confine the discussion, in both analytic and experimental terms, to CR aimed at target tracking. From a theoretical perspective, using the posterior Cramér-Rao lower bound (PCRLB), it is shown that a cognitive tracking radar has the potential to improve tracking performance significantly. In particular, computer experiments are presented, which demonstrate that CR can indeed go beyond the theoretical limits of traditional active radars (TARs) as well as fore-active radars (FARs); the latter are radars equipped with feedback from the receiver to the transmitter. Moreover, computer experiments are presented to demonstrate another practical benefit resulting from the combined use of memory and executive attention in CR for a target-tracking application. Specifically, it is shown that with the provision of these two cognitive processes, the transition in switching from one transmit waveform to another goes forward in a smooth manner. Such a capability is beyond that of TAR or FAR.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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