MétaCan
Menu
Retour à la cohorte
Enregistrement W2908915226 · doi:10.1109/cemi.2018.8610613

Frequency-Weighting for Multi-Frequency Electromagnetic Source Contrast Inversion

2018· article· en· W2908915226 sur OpenAlexaff
Nicholas Geddert, Liam Sparling, Joe LoVetri, Ian Jeffrey

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Imaging and Scattering Analysis
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésWeightingInversion (geology)Inverse problemComputer scienceAlgorithmMicrowave imagingInverse scattering problemLow frequencyMicrowaveMathematical optimizationMathematicsAcousticsPhysicsMathematical analysisTelecommunicationsGeology

Résumé

récupéré en direct d'OpenAlex

The contrast source inversion (CSI), a robust technique for solving inverse electromagnetic scattering problems, has previously been applied to data from multiple frequencies in two primary ways: frequency-hopping solves one inverse problem at a single frequency and uses the solution as an initial guess for another frequency, while simultaneous frequency inversion considers data from multiple frequencies during a single inversion run. In this work, we present a study of the effects of frequency weighting parameters on the convergence and quality of CSI reconstruction results for microwave imaging. The study proposes schemes which attempt to exploit lower frequency data during initial iterations while including higher frequency information as the algorithm converges.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,741
Score d'incertitude au seuil0,700

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,210 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrowave Imaging and Scattering AnalysisTravaux en français237 207