MétaCan
Menu
Retour à la cohorte
Enregistrement W4288720071 · doi:10.3390/s22155659

Plant Tissue Modelling Using Power-Law Filters

2022· article· en· W4288720071 sur OpenAlexaff
Samar I. Gadallah, Mohamed S. Ghoneim, Ahmed S. Elwakil, Lobna A. Said, Ahmed H. Madian, Ahmed G. Radwan

Notice bibliographique

RevueSensors · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEvolutionary Algorithms and Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAcademy of Scientific Research and Technology
Mots-clésElectrical impedanceFilter (signal processing)Power (physics)Dielectric spectroscopyEquivalent circuitHeuristicElectronic engineeringBiological systemComputer scienceEngineeringElectrical engineeringVoltageChemistryElectrodeElectrochemistryPhysicsArtificial intelligenceBiology

Résumé

récupéré en direct d'OpenAlex

Impedance spectroscopy has became an essential non-invasive tool for quality assessment measurements of the biochemical and biophysical changes in plant tissues. The electrical behaviour of biological tissues can be captured by fitting its bio-impedance data to a suitable circuit model. This paper investigates the use of power-law filters in circuit modelling of bio-impedance. The proposed models are fitted to experimental data obtained from eight different fruit types using a meta-heuristic optimization method (the Water Cycle Algorithm (WCA)). Impedance measurements are obtained using a Biologic SP150 electrochemical station, and the percentage error between the actual impedance and the fitted models' impedance are reported. It is found that a circuit model consisting of a combination of two second-order power-law low-pass filters shows the least fitting error.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,030
Tête enseignante GPT0,249
Écart entre enseignants0,218 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetEvolutionary Algorithms and ApplicationsTravaux en français237 207