MétaCan
Menu
Retour à la cohorte
Enregistrement W2039141855 · doi:10.3390/s100301823

Optical Fiber Sensing Based on Reflection Laser Spectroscopy

2010· review· en· W2039141855 sur OpenAlexafffund
G. Gagliardi, M. Salza, Pietro Ferraro, Edmon Chehura, Ralph P. Tatam, Tarun Kumar Gangopadhyay, Nicholas Ballard, Daniel Paz‐Soldan, Jack A. Barnes, Hans‐Peter Loock, Timothy T.-Y. Lam, J. H. Chow, Paolo De Natale

Notice bibliographique

RevueSensors · 2010
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensQueen's University
Organismes subventionnairesEngineering and Physical Sciences Research CouncilMinistero dell’Istruzione, dell’Università e della RicercaQueen's University
Mots-clésMaterials scienceOpticsFiber Bragg gratingOptical fiberSpectroscopyFiber optic sensorLaserReflection (computer programming)Fiber laserHeterodyne (poetry)ResonatorFiberOptoelectronicsAcousticsPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

An overview on high-resolution and fast interrogation of optical-fiber sensors relying on laser reflection spectroscopy is given. Fiber Bragg-gratings (FBGs) and FBG resonators built in fibers of different types are used for strain, temperature and acceleration measurements using heterodyne-detection and optical frequency-locking techniques. Silica fiber-ring cavities are used for chemical sensing based on evanescent-wave spectroscopy. Various arrangements for signal recovery and noise reduction, as an extension of most typical spectroscopic techniques, are illustrated and results on detection performances 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,305
Écart entre enseignants0,281 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207