Robust Inversion of Time-domain Electromagnetic Data: Application to Unexploded Ordnance Discrimination
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 We invert time-domain electromagnetic data for the purpose of discriminating between buried unexploded ordnance (UXO) and non-hazardous metallic clutter. The observed secondary magnetic field radiated by a conductor is forward modeled as a linear combination of decaying, orthogonal dipoles. We show via a perturbation analysis that errors in the measurement of sensor position propagate to non-normal errors on the observed data. A least squares (L2) inversion assumes normal errors on the data, so non-normal errors have the potential to bias dipole parameter estimates. In contrast, robust norms are designed to downweight the effect of outlying (noisy) data and so can provide useful parameter estimates when there is a non-normal component to the noise. When positional errors are modeled as independent Gaussian perturbations, we find that weighted least squares and robust inversions have comparable performance. Both inversion techniques estimate data uncertainties from observed data, and this has the effect of making the least squares inversion robust to outliers. However, when simulated errors are correlated, robust inversion with a bisquare norm provides a marked improvement over L2 inversion. Application of robust inversion to real data sets from Camp Sibert, Alabama produced an incremental improvement to the initial L2 inversion, identifying outlying ordnance items and improving discrimination performance.
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