MétaCan
Menu
Retour à la cohorte
Enregistrement W2049538803 · doi:10.1117/12.779077

Interrogation of a long-period-grating-based fiber sensor based on linear Gaussian function curve fitting

2007· article· en· W2049538803 sur OpenAlexaff
Honglei Guo, Gaozhi Xiao, Jianping Yao

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensNational Research Council CanadaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCurve fittingOpticsWavelengthGratingGaussian functionMaterials scienceArrayed waveguide gratingSpectrum analyzerGaussianOptical fiberPhysicsWavelength-division multiplexingMathematics

Résumé

récupéré en direct d'OpenAlex

An intensity interrogation system for a long-period-grating (LPG) -based fiber sensor using a linear combination of two Gaussian functions as the curve fitting function is proposed and demonstrated. The selected resonant dip of the LPG transmission spectrum can be reconstructed with the curve fitting function based on the measured intensities at different wavelengths. Thus, the center wavelength and the minimum transmission value of the resonant dip can be interrogated simultaneously. The center wavelength is obtained by calculating the first-order derivative of the fitting function, which is 1562.74 nm compared to 1562.3 nm directly measured using an optical spectrum analyzer (OSA). The minimum transmission value is obtained directly from the fitting curve, which is -35.6 dBm is compared to -34.2 dBm directly measured from an OSA. An arrayed waveguide grating (AWG) is supposed to be adopted for the intensity measurement. However, the experiment is carried out using a tunable optical filter to approve the concept due to the unavailability of a suitable AWG at the time of experiment.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,232
Écart entre enseignants0,221 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207