MétaCan
Menu
Retour à la cohorte
Enregistrement W4390871535 · doi:10.1109/lgrs.2024.3354293

Galileo High Accuracy Service in Real-Time PNT, Geoscience and Monitoring Applications

2024· article· en· W4390871535 sur OpenAlexfundno aff
Tomasz Hadaś, Kamil Kaźmierski, Iwona Kudłacik, Grzegorz Marut, Szymon Madraszek

Notice bibliographique

RevueIEEE Geoscience and Remote Sensing Letters · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGNSS positioning and interference
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Naval ObservatoryNatural Resources CanadaNarodowe Centrum Badań i RozwojuCentre National d’Etudes Spatiales
Mots-clésGNSS applicationsGalileo (satellite navigation)Global Positioning SystemComputer scienceSatelliteReal-time computingService (business)Satellite systemRemote sensingTelecommunicationsGeologyAerospace engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Satellite transmission of orbit and clock corrections is critical for real-time positioning, navigation and timing (PNT), geoscience applications, safety and liability critical services based on Global Navigation Satellite Systems (GNSS) precise positioning. In response to such a demand, Galileo has established a High Accuracy Service (HAS) of almost global coverage for GPS and Galileo. We validate the quality of HAS corrections and investigate service performance in a variety of applications. Decimeter-level accuracy of HAS corrections leads to static and kinematic positioning with precision of a few centimeters and sub-decimeter, respectively, and timing precision of a single nanosecond. Other GNSS-derived products meet the requirements of real-time GNSS meteorology and allow for monitoring coseismic vibrations. Although other Internet correction streams offer superior results, HAS provides better performance than nominal and nearly global coverage.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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 GPT0,237
Écart entre enseignants0,226 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations21
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Geoscience and Remote Sensing LettersMême sujetGNSS positioning and interferenceTravaux en français237 207