Experimental validation of regularized array element localization
Notice bibliographique
Résumé
This paper examines and validates regularized inversion for array element localization (AEL) by quantitative comparison of inversion results to direct measurements of receiver positions for a full-scale AEL survey. Regularized AEL treats both receiver and source positions as unknown parameters in a ray-based inversion; prior information on source/receiver positions, inter-receiver spacing in depth, and/or a smooth array shape can be included, subject to statistically fitting the acoustic data. Uncertainties in the recovered receiver positions are estimated via Monte Carlo appraisal. To study this approach, a specially stabilized, two-dimensional receiver array and a series of impulsive sources (imploding glass light bulbs) were deployed from shore-fast (motionless) Arctic sea ice. Sources and recordings were not synchronized in time, so AEL inversions are based on relative arrival times. Receiver positions were measured to an uncertainty of ∼5 cm in each dimension [9 cm in three dimensions (3D)] using nonacoustic (optical) methods. Average AEL errors (difference between measured receiver positions and inversion results) of 13 cm in depth, 27 cm in the horizontal, and 30 cm in 3D, as well as good agreement between the measured errors and estimated AEL uncertainties validate the regularized approach and provide benchmarks for acoustic AEL. Receiver-position errors are quantitatively investigated as a function of the number of sources, source-position errors, and different regularizations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».