MétaCan
Menu
Retour à la cohorte
Enregistrement W2076483204 · doi:10.1109/icmmt.2007.381367

Accurate Permittivity Measurement Using the Cavity Perturbation Technique at ISM 5.8GHz Radio Band

2007· article· en· W2076483204 sur OpenAlexafffund
Yan Ye, Taijun Liu, Xingbin Zeng, Jiaming He, Cevdet Akyel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave and Dielectric Measurement Techniques
Établissements canadiensUniversité de MontréalPolytechnique Montréal
Organismes subventionnairesNatural Science Foundation of NingboNatural Science Foundation of Zhejiang ProvinceNational Natural Science Foundation of ChinaPolytechnique Montréal
Mots-clésPermittivityMeasurement uncertaintyCalibrationObservational errorMeasure (data warehouse)Accuracy and precisionRadio frequencySystem of measurementRelative permittivityMaterials scienceAcousticsComputational physicsComputer sciencePhysicsDielectricOptoelectronicsMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, a new calibration method with two-filling factors for the permittivity measurement is proposed. With this calibration method, it is not necessary to measure the volume of the small sample, which not only eliminates the measurement error of the sample volume, but also simplifies the measurement procedure. To improve the measurement accuracy, the Cursor method, the resonance curve area (RCA) method and the Lorentzian fit method are utilized to process the measured resonant curve data so as to obtain accurate resonant frequency and quality factor. Finally, the obtained permittivity measurement results of a liquid sample validate the accuracy of this permittivity measurement approach.

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)0,003
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,892
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 Opus0,048
Tête enseignante GPT0,250
Écart entre enseignants0,202 · 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

Citations6
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMicrowave and Dielectric Measurement TechniquesTravaux en français237 207