MétaCan
Menu
Retour à la cohorte
Enregistrement W2898768578 · doi:10.1364/ol.43.005496

Brillouin optical time-domain analysis via compressed sensing

2018· article· en· W2898768578 sur OpenAlexaff
Da-Peng Zhou, Wei Peng, Liang Chen, Xiaoyi Bao

Notice bibliographique

RevueOptics Letters · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésBrillouin zoneReflectometryOpticsBrillouin scatteringDomain analysisTime domainDistributed acoustic sensingOptical fiberFiber optic sensorComputer scienceFrequency domainMaterials sciencePhysicsSoftware

Résumé

récupéré en direct d'OpenAlex

A compressed-sensing-technique-based Brillouin optical time-domain analysis is proposed. The Brillouin spectrum has a sparse representation in its discrete cosine transform domain, which can be successfully recovered from far fewer measurements with high probability through an orthogonal matching-pursuit algorithm. This work shows both empirically and experimentally that the amount of frequency acquisitions needed is only 30% of those required by a conventional distributed Brillouin fiber-optic sensing system with 1 MHz frequency increment in the acquisition process to obtain Brillouin spectra along an optical fiber; therefore, the number of acquisitions and the amount of data storage/transfer are greatly reduced. Moreover, the proposed method does not need any hardware modification in an existing sensing system and can also be adopted by Brillouin optical time-domain reflectometry.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,674
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,001

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 Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,201 · 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.

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

Citations34
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics LettersMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207