Using A Priori Databases for Identity Estimation through Evidential Reasoning in Realistic Scenarios
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
Canadian defence companies and Government Research and Development (R&D) laboratories have long ago recognized the necessity to develop comprehensive a priori databases containing all the possible attributes that can be inferred by measurements coming from a given sensor suite. In order to maintain this document at a NATO unclassified level, a small portion of an existing (consisting of more than 2200 platforms) database is presented, which nevertheless contains all the salient features needed for refining the identity (ID) of any target by the fusion of sensor information. In addition, only the information gathered from unclassified sources such as Jane's and Periscope is presented. This a priori Platform DataBase (PDB) contains all the possible naval and air targets, military or commercial, that can be encountered in realistic scenarios, and all the attributes that can be measured by any sensor belonging to any own-platform of the Canadian Forces (CF), ensuring its possible common use throughout the CF. Also presented and explained are all the attributes and all the correlations between platforms that are appropriate to Situation and Threat Assessment (STA or higher-level fusion), and which are present in the larger database. This paper focuses on only one own-platform of the CF in relevant scenarios, the maritime surveillance aircraft CP-140 Aurora (a Canadian version of the US's P3-C with S2-B avionics) in its present operational status, and also with an anticipated upgraded sensor suite. Validation and benchmarking of the chosen evidential reasoning scheme for identity estimation, is performed through several simulated scenarios that make use of DRDC-Valcartier Concept Analysis and Simulation Environment for Automatic Target Tracking and Identification (CASE-ATTI) sensor module.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| 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