Assessing The Quality of Electromagnetic Data for The Discrimination of UXO Using Figures of Merit
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
Abstract The need for assessing data quality in unexploded ordnance (UXO) remediation problems arises from two sources. In the planning stage it is essential that the data are acquired in sufficient numbers and with sufficient accuracy to answer the detection or discrimination problem of relevance. At the interpretation stage it is critical to objectively assess whether the data are of sufficient quality to warrant subsequent processing, inversion, and classification. Faced with this practical challenge of defining data quality we propose a Figure of Merit (FOM). FOM is a reliability indicator derived from quantities that affect the quality of data, such as anomaly coverage, line spacing, station spacing, instrument noise, survey location errors, etc. The FOM can also include informative features of the inversion, such as the variance of key model parameters, and thus it depends on the inverse model to be applied. Anomalies associated with higher values of FOM should have increased reliability in classification. Anomalies below a critical threshold will not be suitable for advanced analysis. In this paper, we apply the FOM framework to guide the practical interpretation of field data collected at Camp Sibert as part of the Environmental Security Technology Certification Program (ESTCP) Discrimination Study Pilot Project. Using simulations of electromagnetic (EM) data for different quality of survey designs, we examine the success rate of inversions to identify key FOM parameters that can explain unreliable inversion results. In this manner, the relationship between FOM and reliability is calibrated on synthetic data before application to the interpretation of field data. A trust index for each inversion can subsequently be included into a discrimination algorithm to help establish a priority dig list. We find that incorporating the FOM in the classification procedure significantly reduces the number of non-UXO items that need to be excavated to recover all UXO.
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