A Well-Conditioned Non-Iterative Approach to Solution of the Inverse Problem
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
A novel methodology leading to well-conditioned formulation of the inverse scattering problem is proposed. The solution of the inverse scattering problem is made possible through elimination of the inherent ill-posedness of the inverse source problem. The latter is achieved by staging of the imaging experiment in a medium with the Green's function exhibiting focusing properties. The method is shown to cast the inverse source problem into a well-conditioned matrix equation without addition of the non-physical regularization term to the pertinent integral equation. This is contrary to the conventional iterative optimization-like methods applied to regularized integral equation with non-directional Green's function. The method is shown to be applicable in both traditional diffraction limited imaging where the evanescent waves do not participate in the information transfer from the object to the observation region as well as in the metamaterial media where focusing goes beyond the diffraction limit with the aid of the evanescent wave propagation. The diffraction limited imaging prototype is implemented using a parabolic reflector providing desired focusing properties of the Green's function. The Raleigh criteria for diffraction limited resolution is revisited to demonstrate that upon availability of the medium providing sufficient focusing properties the resolution in the conventional diffraction limited microwave tomography can go up to half-wavelength. The implementation of algorithm in medium supporting evanescent wave propagation is demonstrated using the focusing Green's function of the Veselago lens.
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