MétaCan
Menu
Retour à la cohorte
Enregistrement W4244262366 · doi:10.1121/1.5138926.1

10.1121/1.5138926.1

2019· dataset· en· W4244262366 sur OpenAlexaff
Maxime Bilodeau, Nicolas Quaegebeur, Olivier Robin, Patrick O’Donoughue, Patrice Masson, Alain Berry

Notice bibliographique

RevueDefault Digital Object Group · 2019
Typedataset
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésTikhonov regularizationAnechoic chamberBeamformingInverse problemVibrationComputer scienceTransient (computer programming)AlgorithmCoherence (philosophical gambling strategy)Time domainRegularization (linguistics)AcousticsMathematicsPhysicsArtificial intelligenceComputer visionMathematical analysis

Résumé

récupéré en direct d'OpenAlex

An acoustic imaging algorithm is proposed herein for transient noise source time reconstruction. Time domain formulations are not well suited for acoustic imaging because of the size of the resulting system to be inversed. Based on the phase coherence principle widely used in ultrasound imaging and image processing, the first step of the algorithm consists in proposing the phase coherence metric used to reject pixels that are unlikely to contribute to the radiated sound field. This translates in a reduction of the domain size and ill-posedness of the problem. In the second step, the inverse problem is solved using the Tikhonov regularization and the generalized cross-validation to extract the vibration field on the imaging domain. Two test cases are considered: a simulated baffled piston and a panel submitted to a mechanical impact in anechoic conditions. The actual vibration field of the panel is measured with an optical technique for reference. In both numerical and experimental cases, the reconstructed vibration field using the proposed approach compares well with their respective reference. The results confirm that transient excitations can be localized and quantified with the proposed approach, in contrast with the classical time-domain beamforming that dramatically overestimates its magnitude.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,728
Score d'incertitude au seuil0,910

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0050,003
Intégrité de la recherche0,0050,002
Charge utile insuffisante (le modèle a refusé de juger)0,2720,519

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 Opus0,011
Tête enseignante GPT0,256
Écart entre enseignants0,246 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefault Digital Object GroupMême sujetUltrasound Imaging and ElastographyTravaux en français237 207