MétaCan
Menu
Retour à la cohorte
Enregistrement W4390481046 · doi:10.1109/tim.2023.3346514

Supraharmonics Assessment Methods: Variability Versus Computational Resources

2024· article· en· W4390481046 sur OpenAlexfundno aff
Philippe Blanchard, Manouane Caza-Szoka, R. Bergeron, Daniel Massicotte

Notice bibliographique

RevueIEEE Transactions on Instrumentation and Measurement · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceImpulse (physics)Field-programmable gate arrayReliability engineeringCalibrationElectronic engineeringEngineeringMathematicsComputer hardwareStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

This article digs into the numeric uncertainty for supraharmonic assessment methods and proposes a robust reference for calibration. A detailed resource survey of candidate methods, digital Special International Committee on Radio Interference (D-CISPR) and light-quasi-peak (QP), shows that computing resources should not be the primary concern, considering both necessitates an acceptable level of resources and requires the same mid-range field-programmable gate array (FPGA). Furthermore, a new criterion for selecting and optimizing numerical methods is proposed: the variability caused by time-shifting operations. D-CISPR, a proposed D-CISPR variation, the light-QP, and the proposed numerical-heterodyne methods were studied with the CISPR 16 impulse train test and three examples of real-world signals. Results demonstrate that the variability concerning time shift is less than 1% for the D-CISPR-based methods but up to 50% for the light-QP method.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil0,653

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,076
Tête enseignante GPT0,345
Écart entre enseignants0,269 · 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'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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Instrumentation and MeasurementMême sujetPower Quality and HarmonicsTravaux en français237 207