MétaCan
Menu
Retour à la cohorte
Enregistrement W7117575085 · doi:10.1109/iceaa65662.2025.11305973

Investigating the Regularization Properties of the Virtual Veselago Lens for Inverse Problems

2025· article· W7117575085 sur OpenAlexaff
Joe LoVetri, Martina T. Bevacqua, Vladimir Okhmatovski, Tommaso Isernia

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueMicrowave Imaging and Scattering Analysis
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésInverse problemRegularization (linguistics)Inverse scattering problemLens (geology)InverseIdeal (ethics)Microwave imagingMatrix (chemical analysis)

Résumé

récupéré en direct d'OpenAlex

The concept of including a virtual ideal Veselago lens into the inverse problem associated with a free-space microwave imaging scenario has recently been introduced. The numerical procedure requires the creation of “add-on” data produced by the integration of the free-space total field existing on the two infinite planar boundaries of the virtual Veselago lens. The sum of the add-on field and the originally collected field is subsequently inverted using the ideal Veselago lens inverse operator to obtain contrast sources. Here we show that this process of adding new data can be interpreted to be similar to a typical regularization technique one might use for iteratively inverting a poorly conditioned matrix equation. For the imaging problem, if the new data can be computed accurately then the first step of the iteration produces the required solution to the matrix equation. A technique for using the field measured around the object of interest and expanded in terms of cylindrical wave-functions is introduced for obtaining the new data. This procedure is investigated numerically for a 2D imaging scenario.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,410
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,021
Tête enseignante GPT0,205
Écart entre enseignants0,184 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrowave Imaging and Scattering AnalysisTravaux en français237 207