An Experimental Benchmark for Geoacoustic Inversion Methods
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.
Notice bibliographique
Résumé
Over the past 25 years, there has been significant research activity in development and application of methods for inverting acoustical field data to estimate parameters of geoacoustic models of the ocean bottom. Although the performance of various geoacoustic inversion methods has been benchmarked on simulated data, their performance with experimental data remains an open question. This article constitutes the first attempt of an experimental benchmark of geoacoustic inversion methods. To do so, the article focuses on data from experiments carried out at a common site during the Shallow Water 2006 (SW06) experiment. The contribution of the article is twofold. First, the article provides an overview of experimental inversion methods and results obtained with SW06 data. Second, the article proposes and uses quantitative metrics to assess the experimental performance of inversion methods. From a sonar performance point of view, the benchmark shows that no particular geoacoustic inversion method is definitely better than any other of the ones that were tested. All the inversion methods generated adequate sound-speed profiles, but only a few methods estimated attenuation and density. Also, acoustical field prediction performance drastically reduces with range for all geoacoustic models, and this performance loss dominates over intermodel variability. Overall, the benchmark covers the two main objectives of geoacoustic inversion: obtaining geophysical information about the seabed, and/or predicting acoustic propagation in a given area.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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