MétaCan
Menu
Retour à la cohorte
Enregistrement W3162061846 · doi:10.1109/joe.2021.3066178

Passive Acoustic Glider for Seabed Characterization at the New England Mud Patch

2021· article· en· W3162061846 sur OpenAlexaff
Yong‐Min Jiang, Stan E. Dosso, Julien Bonnel, Preston S. Wilson, David P. Knobles

Notice bibliographique

RevueIEEE Journal of Oceanic Engineering · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueUnderwater Acoustics Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesOffice of Naval Research
Mots-clésGliderUnderwater gliderSeabedGeologyAcousticsHydrophoneInversion (geology)Remote sensingSeismologyMarine engineeringOceanographyEngineering

Résumé

récupéré en direct d'OpenAlex

Acoustic payload-equipped underwater gliders are proving to have great potential for maritime intelligence, surveillance, and reconnaissance missions, as well as oceanic environment characterization. This article demonstrates their capabilities for seabed characterization using broadband signals received on a hydrophone-equipped Teledyne Webb Research Slocum glider during the 2017 Seabed Characterization Experiment (SBCEX) conducted on the New England Mud Patch. In the experiment, a source ship maintained a fixed position while combustive sound-source signals were emitted at about 2 min intervals. The glider was programmed to follow a sawtooth-like track through the water column approximately 8 km from the source in an area where the water was ∼72 m deep. Two transmissions were received by the glider at depths separated by about 15 m. Trans-dimensional Bayesian geoacoustic inversion was applied to modal-dispersion data extracted from the received signals via a time-warping technique to study the consistency of the inversion results for signals received at different depths, and the advantages of including signal receptions at different depths in simultaneous inversion. The inferred geoacoustic properties are in good agreement with independent core measurements collected during a geophysical survey, and with other inversion results using data collected by dedicated bottom-moored receivers in the vicinity.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,226
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Oceanic EngineeringMême sujetUnderwater Acoustics ResearchTravaux en français237 207