MétaCan
Menu
Retour à la cohorte
Enregistrement W3203278683 · doi:10.18280/ijsse.110411

Drones and Sensors Ecosystem to Maximise the “Storm Effects” in Case of CBRNe Dispersion in Large Geographic Areas

2021· article· en· W3203278683 sur OpenAlexvenueno aff
Luca Martellucci, Andrea Chierici, Daniele Di Giovanni, Francesca Fumian, Andrea Malizia, P. Gaudio

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect Pheromone Research and Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDroneSwarm behaviourRoboticsSwarm roboticsField (mathematics)Computer scienceArtificial intelligenceSystems engineeringRisk analysis (engineering)EngineeringRobotBusiness

Résumé

récupéré en direct d'OpenAlex

The advancements in the field of robotics, specifically in the aerial robotics, combined with technological improvements of the capability of drones, have increased dramatically the use of these devices as a valuable tool in a wide range of applications. From civil to commercial and military area, the requirements in the emerging application for monitoring complex scenarios that are potentially dangerous for operators give rise to the need of a more powerful and sophisticated approach. This work aims at proposing the use of swarm drones to increase plume detection, tracking and source declaration for chemical releases. The several advantages which this technology may lead to this research and application fields are investigated, as well as the research and technological activities to be performed to make swarm drones efficient, reliable, and accurate.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,462
Score d'incertitude au seuil0,198

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,200
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetInsect Pheromone Research and ControlTravaux en français237 207