General resource for ionospheric transient investigations (GRITI): An open-source code developed in support of the Dinsmore et al. (2021) results
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
The analysis techniques and the corresponding software suite GRITI (General Resource for Ionospheric Transient Investigations) are described. GRITI was used to develop the Dinsmore et al. [2] results, which found a novel classification of traveling ionospheric disturbances (TIDs) called semi-coherent ionospheric pulsing structures (SCIPS). The any-geographic range (local-to-global), any-azimuth angle keogram algorithm used to analyze SCIPS in that work is detailed. The keogram algorithm in GRITI is applied to detrended vTEC (vertical Total Electron Content) data, called delta-vTEC herein, in Dinsmore et al. [2] and the follow-on paper Dinsmore et al. [3], but is also applicable to any other two-dimensional dataset that evolves through time. GRITI's delta-vTEC processing algorithm is also described in detail, which is used to provide the delta-vTEC data for Dinsmore et al. [3]. We detail a keogram algorithm for analysis of delta-vTEC data in Dinsmore et al. [2] and the follow-on paper Dinsmore et al. [3]. We detail a delta-vTEC processing algorithm that converts vTEC data to delta-vTEC through detrending that is used to provide the delta-vTEC data used in Dinsmore et al. [3]. GRITI is an open-source Python 3 analysis codebase that encompasses the delta-vTEC processing and keogram algorithms. GRITI has additional support for other data sources and is designed for flexibility in adding new data sources and analysis methods. GRITI is available for download at: https://github.com/dinsmoro/GRITI.
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