Discrimination and Classification of UXO Using Magnetometry: Inversion and Error Analysis Using Robust Statistics
Notice bibliographique
Résumé
Previous No AccessSymposium on the Application of Geophysics to Engineering and Environmental Problems 2003Discrimination and Classification of UXO Using Magnetometry: Inversion and Error Analysis Using Robust StatisticsAuthors: Stephen D. BillingsLeonard R. PasionDouglas W. OldenburgStephen D. BillingsUBC‐Geophysical Inversion Facility, Vancouver, BC, Leonard R. PasionUBC‐Geophysical Inversion Facility, Vancouver, BC, and Douglas W. OldenburgUBC‐Geophysical Inversion Facility, Vancouver, BChttps://doi.org/10.4133/1.2923155 SectionsAboutPDF/ePub ToolsAdd to favoritesDownload CitationsTrack CitationsPermissions ShareFacebookTwitterLinked InReddit Abstract Introductory paragraph for this paper is available only in the PDF and GZipped PS filesPermalink: https://doi.org/10.4133/1.2923155FiguresReferencesRelatedDetails Symposium on the Application of Geophysics to Engineering and Environmental Problems 2003ISSN (online):1554-8015Copyright: 2003 Pages: 1491 publication data© 2003 Copyright © 2003 The Environmental and Engineering Geophysical SocietyPublisher:Environmental & Engineering Geophysical Society HistoryPublished Online: 30 Sep 2008 CITATION INFORMATION Stephen D. Billings, Leonard R. Pasion, and Douglas W. Oldenburg, (2003), "Discrimination and Classification of UXO Using Magnetometry: Inversion and Error Analysis Using Robust Statistics," Symposium on the Application of Geophysics to Engineering and Environmental Problems Proceedings : 1479-1491. https://doi.org/10.4133/1.2923155 Plain-Language Summary PDF DownloadLoading ...
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».