Comparison of an Enhanced Distorted Born Iterative Method and the Multiplicative-Regularized Contrast Source Inversion 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
For 2D transverse magnetic (TM) microwave inversion, multiplicative-regularized contrast source inversion (MR-CSI), and the distorted Born iterative method (DBIM) are compared. The comparison is based on a computational resource analysis, inversion of synthetic data, and inversion of experimentally collected data from both the Fresnel and UPC Barcelona data sets. All inversion results are blind, but appropriate physical values for the reconstructed contrast are maintained. The data sets used to test the algorithms vary widely in terms of the background media, antennas, and far/near field considerations. To ensure that the comparison is replicable, an automatic regularization parameter selection method is used for the additive regularization within the DBIM, which utilizes a fast implementation of the L-curve method and the Laplacian regularizer. While not used in the classical DBIM, we introduce an MR term to the DBIM in order to provide comparable results to MR-CSI. The introduction of this MR term requires only slight modifications to the classical DBIM algorithm, and adds little computational complexity. The results show that with the addition of the MR term in the DBIM, the two algorithms provide very similar inversion results, but with the MR-CSI method providing advantages for both computational resources and ease of implementation.
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