Understanding the Impact of Machine Learning Models on the Performance of Different Flexible Strain Sensor Modalities
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
Fibre strain sensors commonly use three major modalities to transduce strain—piezoresistance, capacitance, and inductance. The electrical signal in response to strain differs between these sensing technologies, having varying sensitivity, maximum measurable loading rate, and susceptibility to deleterious effects like hysteresis and drift. The wide variety of sensor materials and strain tracking applications makes it difficult to choose the best sensor modality for a wearable device when considering signal quality, cost, and difficulty of manufacture. Fibre strain sensor samples employing the three sensing mechanisms are fabricated and subjected to strain using a tensile tester. Their mechanical and electrical properties are measured in response to strain profiles designed to exhibit particular shortcomings of sensor behaviour. Using these data, the sensors are compared to identify materials and sensing technologies well suited for different textile motion tracking applications. Several regression models are trained and validated on random strain pattern data, providing guidance for pairing each sensor with a model architecture that compensates for non-ideal effects. A thermoplastic elastomer-core piezoresistive sensor had the highest sensitivity (average gauge factor: 12.6) and a piezoresistive sensor of similar construction with a polyether urethane-urea core had the largest bandwidth, capable of resolving strain rates above 300% <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="minf1"><mml:mrow><mml:msup><mml:mtext>s</mml:mtext><mml:mrow><mml:mo>−</mml:mo><mml:mn>1</mml:mn></mml:mrow></mml:msup></mml:mrow></mml:math> with 36% signal amplitude attenuation. However, both piezoresistve sensors suffered from larger hysteresis and drift than a coaxial polymer sensor using the capacitive strain sensing mechanism. Machine learning improved the piezoresistive sensors’ root-mean-squared error when tracking a random strain signal by up to 58% while maintaining their high sensitivity, bandwidth, and ease of interfacing electronically.
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 | 0,000 | 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