MULTISTATIC SONAR OPERATOR VISUALIZATION DEVELOPMENT REQUIREMENTS
Notice bibliographique
Résumé
The operational community has been using multistatic sonar for numerous years yet the development of applications for operator visualization of multistatic sonar performance is lacking. Such applications may enhance the operator’s ability to visualize the multistatic sonar's real time performance to optimize sensor employment. One of the key issues is the transition from legacy sonar monostatic performance acoustic prediction to multistatic sonar acoustic prediction. While many such applications have been developed, the majority of these pertain to the analysis of multistatic sonar and not the direct operator visualization of that performance. In order to be able to provide a completely effective system from the standpoint of both sensors and users, this challenge must be addressed. One of the key parameters is the ocean environment, in particular realistic modelling for the purpose of sonar performance prediction, yet numerous other factors will influence actual operations. Techniques have recently been field tested to provide the operator with Operational Analysis (OA) tools and advice, and further work in the area of near-real time Operator Visualization Development (OVD) is essential. A system engineering approach advocates an integrated system to provide the near-real time sonar performance prediction embedded in the sonar display. Such a system does not and will probably never fully allay the acoustic performance prediction problem given the uncertainty in acoustic analysis. However it must provide useful system performance information to the operator in order to optimize sensor employment. Hence, a new conceptual framework is required for Multistatic Sonar OVD (MSOVD).
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».