MétaCan
Menu
Retour à la cohorte
Enregistrement W2803668200 · doi:10.1121/1.5039769

Geoacoustic inversion on the New England Mud Patch using warping and dispersion curves of high-order modes

2018· article· en· W2803668200 sur OpenAlexaff
Julien Bonnel, Ying-Tsong Lin, Dimitrios Eleftherakis, John A. Goff, Stan E. Dosso, Ross Chapman, James H. Miller, Gopu R. Potty

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesOffice of Naval Research GlobalOffice of Naval Research
Mots-clésImage warpingInversion (geology)SeabedAcousticsGeologyMode (computer interface)Acoustic dispersionRange (aeronautics)Dynamic time warpingInverse transform samplingComputer scienceTelecommunicationsSeismologyMaterials scienceSurface waveAcoustic waveArtificial intelligenceOceanographyPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents single receiver geoacoustic inversion of a combustive sound source signal, recorded during the 2017 Seabed Characterization Experiment on the New England Mud Patch, in an area where water depth is around 70 m. There are two important features in this study. First, it is shown that high-order modes can be resolved and estimated using warping (up to mode number 18 over the frequency band 20-440 Hz). However, it is not possible to determine mode numbers from the data, so that classical inversion methods that require mode identification cannot be applied. To solve this issue, an inversion algorithm that jointly estimates geoacoustic properties and identifies mode number is proposed. It is successfully applied on a range-dependent track, and provides a reliable range-average estimation of geoacoustic properties of the mud layer, an important feature of the seabed on the experimental area.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,026
Tête enseignante GPT0,253
Écart entre enseignants0,228 · 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'étudeObservationnel
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

Citations57
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetUnderwater Acoustics ResearchTravaux en français237 207