MétaCan
Menu
Retour à la cohorte
Enregistrement W2974893746 · doi:10.1002/9781119434412.ch2

Interpolating Geomagnetic Observations

2019· other· en· W2974893746 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGeophysical monograph · 2019
Typeother
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysical and Geoelectrical Methods
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésSpherical harmonicsEarth's magnetic fieldInterpolation (computer graphics)Multivariate interpolationKrigingBarycentric coordinate systemSpherical capRadial basis functionInversion (geology)GeophysicsAlgorithmBilinear interpolationComputer scienceMathematicsApplied mathematicsGeologyPhysicsMathematical analysisGeometryArtificial intelligenceStatisticsSeismology

Résumé

récupéré en direct d'OpenAlex

Five geomagnetic vector interpolation techniques are reviewed and compared by analyzing their performance when applied to realistic inputs simulated by a state-of-the-art geospace general circulation model. The availability of synthetic “ground truth” allows meaningful estimates of relative interpolation error as a two-dimensional function of separation between geographically sparse input coordinates. Three of these techniques – nearest neighbor, triangular barycentric, and Gaussian Process regression – are entirely based on the input data, and do not benefit from any knowledge of physics that might improve predictions in unsampled regions. Two of the techniques – spherical cap harmonic analysis and spherical elementary current system inversion – incorporate simple physical understanding into their basis functions and generally provide better predictions even when far removed from input measurements. Spherical elementary currents generate fewer interpolation artefacts in the spatial domain.

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.

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), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,697
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)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,019
Tête enseignante GPT0,225
Écart entre enseignants0,206 · 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