Detection and Classification of Marine mammals using an LFAS system
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
World wide a concern is emerging about the influence of man-made sound in the sea on marine life, and particularly about high power active sonars systems. Most concern lies with marine mammals, which fully depend on sound in their natural behaviour (foraging, navigation and communication). One of the sonars under debate is the Low Frequency Active Sonar (LFAS). This type of system is designed for long range detection of submarines. It consists of a powerful source and a towed array receiver. Incidents with marine mammals could be avoided if the receiver that is dedicated to detection of submarine echoes, is equipped with Detection, Classification and Localisation capabilities for marine mammals as well. In this paper the development of a prototype transient detector and classifier for the TNO-FEL LFAS array (named CAPTAS) is described. A broadband beamformer is developed that creates 8 beams (sectors) that are equally wide over the whole frequency band. A multi-beam LOFAR display is presented. On the normalised data a Page’s test detector is applied that is “optimum” for signals with unknown duration. Detected transients are sent to a classifier that tries to discriminate between biological and man-made or natural transients. Time-frequency analysis is performed and in the resulting timefrequency plot structures are determined by means of cluster analysis after which the sound is classified. Detection results of the prototype are very good, the Classification module is under development and the Localisation module is part of future research. Part of this research is sponsored by the Royal NetherLands Navy (RNLN).
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle