4 - Segmentation de signaux par maxima d'ondelettes : application à la prédiction de zones de couverture radioélectrique
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
Within the framework of a research on cellular networks of radio communication, it is essential to be able to predict the area which would be covered by transmitters. To study a transmitter, the standard method consists in applying an electromagnetic wave propagation model to various positions defined according to a constant spatial step. Yet, that method leads to a considerable computation time which might become unexploitable in complex geographical environments. There have already been some researches studying how to reduce that computation time. They consist in the simplification of the propagation model used. The processes in our article is complementary to them. Indeed, our technique is independent of the model. The idea is to reduce the number of calculation points of the model. The method presented here is based on an hypothesis which needs two elements to be confirmed: the segmentation of the signals measured by a mobile receiver ; a software used for the electromagnetic analysis of the geographic studied area. Thus, the purpose is to segment the received signal into intervals corresponding to particular combinations of physical phenomena. To do that, a representation suggested by Mallat and Zhong called “Wavelet Maxima Representation” is studied. That decomposition allows the study of the derivative of a function at different scales. We shall present a method of signal segmentation based on the maxima chaining through the scales of the decomposition. The chaining helps us select the largest discontinuities of the signal and thus segment it.
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 | 0,001 |
| 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