MétaCan
Menu
Retour à la cohorte
Enregistrement W4398805277 · doi:10.7910/dvn/qfcbcl

Simulated Noisy BBH Merger Signals and Spectrograms for: A Complex Window-Based Joint-Chirp-Rate-Time-Frequency Transform for BBH Merger Gravitational Wave Signal

2023· dataset· en· W4398805277 sur OpenAlexaff
Xiyuan Li

Notice bibliographique

RevueHarvard Dataverse · 2023
Typedataset
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Frequency and Time Standards
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSpectrogramChirpSIGNAL (programming language)Joint (building)AcousticsGravitational waveWindow (computing)PhysicsComputer scienceSpeech recognitionOpticsEngineeringAstrophysics

Résumé

récupéré en direct d'OpenAlex

Part 1): Simulated Binary Black Hole (BBH) merger waveforms (frequency-domain IMRPhenomD Model) with advanced LIGO detector characteristic noise. - M1200 Dataset: 12,500 noisy merger time-series waveforms from distances 600 - 1200 Mpc; 12,500 aLIGO detector noise time-series waveforms. - M2000 Dataset: 12,500 noisy merger time-series waveforms from distances 1400- 2000 Mpc; 12,500 aLIGO detector noise time-series waveforms. Part 2): JCTFT and QT spectrograms of M1200 and M2000 time-series data. - JCTFT M1200 Dataset - JCTFT M2000 Dataset - QT M1200 Dataset - QT M2000 Dataset

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,019
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,004

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 GPT0,277
Écart entre enseignants0,248 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHarvard DataverseMême sujetAdvanced Frequency and Time StandardsTravaux en français237 207