MétaCan
Menu
Retour à la cohorte
Enregistrement W2809049549 · doi:10.1061/9780784480311.005

Tracking of “Smart” Debris Location Based on the RFID Technique

2017· article· en· W2809049549 sur OpenAlexafffund
Nils Goseberg, Ioan Nistor, Jacob Stolle

Notice bibliographique

RevueCoastal Structures and Solutions to Coastal Disasters 2015 · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEarthquake and Tsunami Effects
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of CanadaUniversity of New South WalesUniversity of Ottawa
Mots-clésComputer scienceLocation trackingTracking (education)DebrisComputer securityReal-time computingGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Determining the location of floating or partially submerged objects during an extreme hydrodynamic event is an important task the investigation of impact loading resulting from debris impacts. This study investigates the application of a novel tracking system which is based on the radio frequency identification (RFID) technology and exploits the measured angles of arrival and time of arrival of radio waves used to locate an object in space. The system is deployed in a carefully controlled laboratory environment to analyze the performance and accuracy of the system. The standard error and standard deviation are used as metrics for the system’s performance. During testing, the system is subjected to linear and oscillatory motions. Good accuracy and repeatability is found for the tests conducted; however, a number of factors can compromise its accuracy and precision, such as a cluttered environment exhibiting solid obstacles, protruding walls or other disturbing items in the tracking area. In hydraulic and coastal engineering, this RFID technology has significant potential for use in laboratory investigations involving not only the tracking of debris but also in tracking the elements of the coastal structures’ armor layers and also for locating and recording of vessel motions.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil0,547

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,227 · 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'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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCoastal Structures and Solutions to Coastal Disasters 2015Même sujetEarthquake and Tsunami EffectsTravaux en français237 207