MétaCan
Menu
Retour à la cohorte
Enregistrement W2145341514 · doi:10.1109/cdc.1997.657092

Adaptive CFAR active sonar signal thresholding using radial basis functional neural networks

2002· article· en· W2145341514 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRadar Systems and Signal Processing
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésThresholdingSonarConstant false alarm rateMarine mammals and sonarFalse alarmComputer scienceNoise (video)SIGNAL (programming language)Signal-to-noise ratio (imaging)UnderwaterArtificial intelligenceEnergy (signal processing)Artificial neural networkRange (aeronautics)Sonar signal processingComputer visionSignal processingMathematicsTelecommunicationsRadarEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

A recursive version of the adaptive constant false alarm rate (CFAR) sonar signal thresholding scheme using radial basis functional neural networks is proposed. Intensity thresholding has proven to be an effective technique to eliminate the low energy noise and to reduce the computational load in an underwater target tracking system. The proposed system has the following advantages: 1) the technique yields unbiased estimates under a nonhomogenous sea environment, because the false alarm rate is maintained at a constant level while the threshold changes with different sea environments; 2) the threshold for different range cells can be adaptively estimated since the noise under estimation is strictly local so that the received intensities of noise and targets are not affected by the distance the sonar signals travelled; and 3) the computational requirements are greatly reduced through the introduction of the recursive scheme.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,774
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,202
Écart entre enseignants0,159 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

En bref

Citations2
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRadar Systems and Signal ProcessingTravaux en français237 207