Notice bibliographique
Résumé
Dr. Moallemi is a research associate at the ERAU NEAR laboratory. He received his Bachelor and Master degrees in Computer Engineering and a Ph.D. in Electrical and Computer Engineering from Carleton University in Ottawa, Canada. He worked as a researcher at Carleton’s Advanced Research and Simulation lab for several years and has received numerous awards for his Ph.D. Thesis on simulation development. Since 2013, he has been working at the NEAR Lab on NextGen Tasks for the FAA as a researcher, primarily in simulation and systems. He is also a Principal Investigator in the Alliance for System Safety of UAS through Research Excellence (ASSURE) program and has a comprehensive understanding of aviation/aeronautical standards. He is actively involved as a system engineer and researcher in 4D Trajectory-Based Operations via Aeronautical Telecommunication Network, investigating a simulation-based demonstration of automation in air traffic navigation. This is a 3-year ongoing project funded by FAA in collaboration with Lockheed Martin Corporation, General Electric, Honeywell, ARINC, and LS Technologies in Florida NextGen Testbed, Daytona Beach, FL. As PI, Dr. Moallemi led a team in a 1-year ongoing project demonstrating through simulation, the current surveillance data standards (Mode-S and ADS-B transponders) to be used in future TCAS and UAS detect and avoid systems, developed by RTCA-228. Additionally, he led the research in a 2 phase (2-year) project funded by FAA to investigate Cybersecurity and information integrity in the air to ground transfer of FIXM, AIXM, and WXXM messages.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,006 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».