MétaCan
Menu
Retour à la cohorte
Enregistrement W2979548792 · doi:10.1109/oceanse.2019.8867079

Modeling of Underwater noise

2019· article· en· W2979548792 sur OpenAlexaboutno aff
Ayushi Agrawal, Ritesh Kumar, Monika Agrawal

Notice bibliographique

RevueOCEANS 2019 - Marseille · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUnderwaterUnderwater acoustic communicationNoise (video)Gaussian noiseAcousticsComputer scienceUnderwater acousticsAmbient noise levelProbability density functionGaussianNoise floorNoise measurementChannel (broadcasting)TelecommunicationsGeologyStatisticsNoise reductionPhysicsAlgorithmMathematicsArtificial intelligenceOceanography

Résumé

récupéré en direct d'OpenAlex

Underwater Acoustic channel is full of various impulsive sources due to which the underwater noise does not follow the standard Gaussian Probability Distribution Function (pdf). This makes the Underwater scenario a little more complicated and leads to performance issues in various fields of underwater applications, e.g. communication, signal processing, and system design, etc. In this paper, we have investigated the underwater noise on real noise data obtained from VENUS via Ocean Canada Network and NOAA for different locations, depths and sampling frequency. Simulation results demonstrate that Generalized Gaussian is the best estimated pdf for the ambient noise.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,702

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)0,0000,001

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 Opus0,011
Tête enseignante GPT0,196
Écart entre enseignants0,185 · 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'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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOCEANS 2019 - MarseilleMême sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207