MétaCan
Menu
Retour à la cohorte
Enregistrement W2040470705 · doi:10.1109/setit.2012.6481906

Reconstruct permeability of heterogeneous body using T-Ω 3-D formulation and Gauss-Newton's method with total variation regularization

2012· article· en· W2040470705 sur OpenAlexaff
Yassine Faleh, Abdelaziz Samet, Ammar B. Kouki, A. Khebir

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésInverse problemIsotropyRegularization (linguistics)Finite element methodNewton's methodPermeability (electromagnetism)Applied mathematicsGaussMathematical optimizationIterative methodTotal variation denoisingComputer scienceMathematicsAlgorithmMathematical analysisNonlinear systemPhysicsArtificial intelligenceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

In the inverse problems several techniques are used, in particular induced currents techniques. In spite of their complexities, a diversity of fields, such as imaging, use these techniques. Owing to the fact that it is not a direct problem, several conditions must be joined together to give satisfactory results. The choice of the Model, the Numerical Technique, the Iterative Method and the choice of Regularization Method are the factors which influence the exactitude and the convergence of the results. In this paper, we are going to determine a permeability distribution of heterogeneous body, from a nondestructive evaluation signal, using the numerical approach. We will solve the forward solution with a three-Dimensional T-Ω formulation of Finite Element Method in order to determine the magnetic field, and a Gauss-Newton algorithm with Total Variation Regularization to solve and stabilize the solution resulting from the optimisation problem. The permeability of the object is assumed to be linear and isotropic. Results for the permeability imaging will be reconstructed using synthetically generated data.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,608
Score d'incertitude au seuil0,567

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
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 GPT0,271
Écart entre enseignants0,249 · 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'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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNon-Destructive Testing TechniquesTravaux en français237 207