Bayesian Geoacoustic Inversion With the Image Source 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
This paper develops a Bayesian approach to the image source method (ISM) for efficient inversion of seabed reflection data to estimate geoacoustic parameters and uncertainties. Based on the representation of layered seafloor-reflected signals by image sources, ISM is a very efficient method which provides the local sound-speed profile (SSP) of the sediment structure. It is a two-step method: first, the image sources are detected and localized from the recorded signals, and second, from these locations, the thickness and sound speed of each sediment layer are estimated from the Snell-Descartes law of refraction. This work focuses on the definition and construction of the image sources with a distinction between real and virtual image sources which has consequences on the uncertainties of ISM. The localization of the image sources is performed within a Bayesian formulation based on sampling the posterior probability density to estimate the median SSP and uncertainties. The algorithm is tested first on synthetic data, with results in excellent agreement with Bayesian travel-time inversion but a much lower computational cost. Finally, the Bayesian ISM is applied to at-sea data measured in the Scattering And ReverberAtion from the sea Bottom (SCARAB) experiment, which took place near Elba Island off the west coast of Italy in 1998, and the resultant sediment SSP agrees well with previous results of other geoacoustic inversion methods.
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 | 0,001 | 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