MétaCan
Menu
Retour à la cohorte
Enregistrement W2887492545 · doi:10.1109/tmtt.2018.2859929

Novel Microwave Tomography System Using a Phased-Array Antenna

2018· article· en· W2887492545 sur OpenAlexfundno aff
Yousuf Abo Rahama, Omar Al Aryani, Uzma Ahmed Din, Mohammed Sadeq Al-Awar, Amer Zakaria, Nasser Qaddoumi

Notice bibliographique

RevueIEEE Transactions on Microwave Theory and Techniques · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Imaging and Scattering Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMcGill UniversityUtah Agricultural Experiment Station
Mots-clésPhased arrayMicrowaveMicrowave imagingAntenna (radio)TomographyMicrostrip antennaAntenna arrayDipole antennaSlot antennaReflective array antennaOpticsAcousticsPhysicsElectronic engineeringEngineeringElectrical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, a novel microwave tomography (MWT) system that utilizes a phased-array transmitter antenna is presented. In contrast to contemporary MWT systems, the system presented herein consists of a single transmitter and multiple receivers. The single transmitter is a four-element array antenna; by varying the phase for each element in the array, the field distribution inside the imaging chamber varies, which produces a different set of measurements per phase configuration. Furthermore, the individual elements of the transmitting array antenna and the receiving antennas are of different types; the receiving antenna type is selected to maximize the coupling between the transmitter and the receiver. Due to the system's complexity, the system is modeled using a neural network; the trained network is used as the forward solver for an inversion algorithm based on a Bayesian regularized Levenberg-Marquardt algorithm. The system along with the inversion algorithm is tested using several targets. Furthermore, the performance of the algorithm against various levels of experimental noise is analyzed and evaluated.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,011
Tête enseignante GPT0,232
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 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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Microwave Theory and TechniquesMême sujetMicrowave Imaging and Scattering AnalysisTravaux en français237 207