MétaCan
Menu
Retour à la cohorte
Enregistrement W2059716257 · doi:10.1366/000370203321535105

Effective Normalization Method for Sample-Position-Dependence Effect in Photoacoustic Spectrometry

2003· article· en· W2059716257 sur OpenAlexaff
Jun Shen, Jianqin Zhou, Cheng Hu, Jianhua Zhao

Notice bibliographique

RevueApplied Spectroscopy · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueThermography and Photoacoustic Techniques
Établissements canadiensBC Innovation Council
Organismes subventionnairesnon disponible
Mots-clésNormalization (sociology)Mass spectrometryAnalytical Chemistry (journal)ChemistryPhotoacoustic spectroscopySample (material)DetectorPhotoacoustic imaging in biomedicineOpticsPhysicsChromatography

Résumé

récupéré en direct d'OpenAlex

Sample position dependence effect in photoacoustic (PA) spectrometry has been reported by several scientists. This effect must be taken into account in a PA application that requires a quantitative theoretical treatment. In this work, we experimentally investigated PA signal magnitude varying with sample-to-window distance in an MTEC Model 300 Photoacoustic Detector, which has a fixed empty (gas) volume in addition to the sample-to-window-distance-dependent gas volume. An operative method was introduced to obtain the coefficient, which considered the sample-to-window distance and the additional gas volume. With this coefficient, the one-dimensional PA model, developed by Aamodt, Murphy, and Parker, can be employed to quantitatively process PA experimental data, no matter what the sample-to-window distance is. Quantitative measurements of thermal effusivities of two samples were performed to prove this effective normalization method.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,788
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,003
Tête enseignante GPT0,243
Écart entre enseignants0,240 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SpectroscopyMême sujetThermography and Photoacoustic TechniquesTravaux en français237 207