MétaCan
Menu
Retour à la cohorte
Enregistrement W2038425038 · doi:10.1115/omae2011-49024

High Resolution Seabed Sub-Bottom Profiler for AUV

2011· article· en· W2038425038 sur OpenAlexaffabout
Wilfrid Merlin, Darrell Mouland, William Markuske, Peter King, Ron Lewis, Dan Walker, Gary J. Dinn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSubseaMarine engineeringSeabedUnderwaterBathymetryIntervention AUVEngineeringRemotely operated underwater vehicleRemote sensingComputer scienceGeologyOceanographyRobotMobile robot

Résumé

récupéré en direct d'OpenAlex

Memorial University of Newfoundland (Memorial) is undertaking a novel and exciting area of interdisciplinary research and development related to Autonomous Underwater Vehicles (AUV). AUVs are an untethered, unmanned technology that enables a broad array of research, especially in hazardous underwater environments, that cannot be achieved by other means. In spring 2010, Memorial University commenced design work on a project that aims to provide a means to conduct high-resolution sub-bottom seabed surveys in water depths up to 1000 m (3281 ft), using a new imaging sub-bottom profiler technology with a 10 cm (3.9 in) resolution that has never been deployed on an AUV. The purpose of this project is to integrate a long-array sub-bottom profiler developed by PanGeo Subsea Inc. of Canada, into Memorial’s Explorer AUV by building a new vehicle section that resembles a thick airplane wing with a span of 3.5 m (11.5 ft). Memorial University is working to make the new equipment easily adaptable and removable from the Explorer AUV while in operation. The Explorer AUV equipped with this new sub-bottom profiler capability will be operational in 2012. In this paper, the underlying design criteria and challenges are discussed. A preliminary concept design is described and coarsely evaluated for technical feasibility.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,042
Tête enseignante GPT0,211
Écart entre enseignants0,168 · 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'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

Citations3
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207