MétaCan
Menu
Retour à la cohorte
Enregistrement W2466840150 · doi:10.1121/1.4955007

On the use of geometric and harmonic means with the generalized cross-correlation in the time domain to improve noise source maps

2016· article· en· W2466840150 sur OpenAlexaff
Thomas Padois, Olivier Doutres, Franck Sgard, Alain Berry

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensUniversité de SherbrookeÉcole de Technologie SupérieureInstitut de recherche Robert-Sauvé en santé et en sécurité du travail
Organismes subventionnairesnon disponible
Mots-clésHarmonicHarmonic meanNoise (video)BeamformingMathematicsComputer scienceMicrophone arrayCross-correlationAcousticsValue noiseMicrophoneAlgorithmMathematical analysisNoise measurementNoise reductionNoise floorGeometryStatisticsPhysicsArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Microphone array techniques are an efficient tool to detect acoustic source positions. The delay and sum beamforming is the standard method. In the time domain, the generalized cross-correlation can be used to compute the noise source map. This technique is based on the arithmetic mean of the spatial likelihood functions. In this study, the classical arithmetic mean is replaced by the more standard generalized mean. The noise source maps provide by the arithmetic, geometric and harmonic means are compared in the case of numerical and experimental data obtained in a reverberant room. The geometric and harmonic means provide the best noise source maps with no side lobes and a better source level estimation.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetSpeech and Audio ProcessingTravaux en français237 207