MétaCan
Menu
Retour à la cohorte
Enregistrement W2523981759 · doi:10.1017/s0373463316000527

Virtual Electronic Aids to Navigation for Remote and Ecologically Sensitive Regions

2016· article· en· W2523981759 sur OpenAlexfundno aff
R. Glenn Wright, Michael Baldauf

Notice bibliographique

RevueJournal of Navigation · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Musculoskeletal Health and Arthritis
Mots-clésGNSS applicationsBeaconComputer scienceSpoofing attackGlobal Positioning SystemSoftware deploymentRadio navigationService (business)Computer securityNavigation systemSatellite navigationTelecommunicationsSystems engineeringReal-time computingEngineering

Résumé

récupéré en direct d'OpenAlex

Vessel traffic in the Arctic is expanding in volume both within and transiting the region, yet the infrastructure necessary to support modern ship navigation is lacking. This includes aids to navigation such as buoys and beacons that can be difficult to place and maintain in this hostile environment that stretches across vast distances. The results of research are described which determine whether virtual electronic Aids to Navigation (eAtoN) existing entirely as digital information objects can overcome the practical limitations of physical aids to navigation (AtoN) and Automatic Identification System (AIS) radio eAtoN. Capabilities unique to virtual eAtoN that are not available using either physical or AIS radio technologies are also examined including dynamic and real time properties and immunity to Global Navigation Satellite System (GNSS) and AIS spoofing, aliasing, denial of service attacks and service outages. Conclusions are provided describing potential methods of deployment based upon similar concepts already in use.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,007
Tête enseignante GPT0,223
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NavigationMême sujetOffshore Engineering and TechnologiesTravaux en français237 207