MétaCan
Menu
Retour à la cohorte
Enregistrement W4293868584 · doi:10.1109/ims37962.2022.9865470

Analytical Expressions for Field-based Response Sensitivity Analysis and Their Application in Microwave Design and Imaging

2022· article· en· W4293868584 sur OpenAlexaff
Natalia K. Nikolova, Romina Kazemivala

Notice bibliographique

Revue2022 IEEE/MTT-S International Microwave Symposium - IMS 2022 · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave Imaging and Scattering Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSensitivity (control systems)Computer scienceMicrowaveField (mathematics)Electronic engineeringOverhead (engineering)EngineeringMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Almost twenty years ago, field-based adjoint response-sensitivity analysis emerged as a critical aid in accelerating gradient-based optimization as well as tolerance and yield analyses with full-wave electromagnetic simulations. This research effort delivered. Some commercial software packages now offer fast sensitivity analysis, which does not require parameter perturbation thus producing the response derivatives with modest computational overhead. Analytical response-sensitivity expressions have also been derived and they led to breakthrough developments in microwave imaging. Here, the main formulas for analytical response sensitivity analysis are summarized and generalized. Their importance is highlighted through examples in design optimization and in imaging along with an outlook to future developments.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,008
Tête enseignante GPT0,235
Écart entre enseignants0,227 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE/MTT-S International Microwave Symposium - IMS 2022Même sujetMicrowave Imaging and Scattering AnalysisTravaux en français237 207