ADAPTING THE NORMALIZED CUMULATIVE PERIODOGRAM PARAMETER-CHOICE METHOD TO THE TIKHONOV REGULARIZATION OF 2-D/TM ELECTROMAGNETIC INVERSE SCATTERING USING BORN ITERATIVE METHOD
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 new method of choosing the regularization parameter, originally developed for a general class of discrete ill-posed problems, is investigated for electromagnetic inverse scattering problems that are formulated using a penalty method. This so-called Normalized Cumulative Periodogram (NCP) parameter-choice method uses more than just the norm of the residual to determine the regularization parameter, and attempts to choose the largest regularization parameter that makes the residual resemble white noise. This is done by calculating the NCP of the residual vector for each choice of the regularization parameter, starting from large values and stopping at the first parameter which puts the NCP inside the Kolmogorov- Smirnov limits. The main advantage of this method, as compared, for example, to the L-curve and Generalized Cross Validation (GCV) techniques, is that it is computationally inexpensive and therefore makes it an appropriate technique for large-scale problems arising in inverse imaging. In this paper, we apply this technique, with some modification, to the Tikhonov-regularized functional arising in the 2-D Transverse Magnetic (TM) inverse electromagnetic problem, which is formulated via an integral equation and solved using the Born iterative method (BIM).
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 | 0,012 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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