MétaCan
Menu
Retour à la cohorte
Enregistrement W2053742002 · doi:10.1121/1.2005947

Comparison of an analytic horn equation approach and a boundary element method for the calculation of sound fields in the human ear canal

2005· article· en· W2053742002 sur OpenAlexaff
Michael R. Stinson, Gilles A. Daigle

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueVoice and Speech Disorders
Établissements canadiensInstitute for Microstructural Sciences
Organismes subventionnairesnon disponible
Mots-clésEar canalAcousticsPiston (optics)Transverse planeSound pressurePhysicsBoundary element methodCurvatureFrench hornPlane (geometry)Point sourceGeometryFinite element methodMathematicsOpticsEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

The sound field inside a model human ear canal has been computed, to show both longitudinal variations along the canal length and transverse variations through cross-sectional slices. Two methods of computation were used. A modified horn equation approach parametrizes the sound field with a single coordinate, the position along a curved center axis-this approach can accommodate the curvature and varying cross-sectional area of the ear canal but cannot compute transverse variations of the sound field. A boundary element method (BEM) was also implemented to compute the full three-dimensional sound field. Over 2000 triangular mesh elements were used to represent the ear canal geometry. For a plane piston source at the entrance plane, the pressure along the curved center axis predicted by the two methods is in good agreement, for frequencies up to 15 kHz, for four different ear canals. The BEM approach, though, reveals spatial variations of sound pressure within each canal cross section. These variations are small below 4 kHz, but increase with frequency, reaching 1.5 dB at 8 kHz and 4.5 dB at 15 kHz. For source configurations that are more realistic than a simple piston, large transverse variations in sound pressure are anticipated in the vicinity of the source.

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)0,003
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,051
Tête enseignante GPT0,383
Écart entre enseignants0,332 · 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

Citations35
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetVoice and Speech DisordersTravaux en français237 207