A complete solution for autonomous bathymetry mapping
Bibliographic record
Abstract
ABR ÉG ÉLes cartes du fond des plans d'eau sont largement utilisées et entretenues pour de nombreuses régions, y compris les lacs et les océans.Bien que ces cartes doivent également être mises à jour régulièrement, nous nous concentrons sur les zones côtières et les cartes à haute résolution qui sont des produits beaucoup plus exotiques.En particulier, nous avons été motivés par la nécessité de cartographier les récifs coralliens côtiers ainsi que les lacs canadiens.Dans les deux cas, les cartes bathymétriques existantes sont généralement relativement grossières (à la fois en altitude et en dimensions XY) et, dans le cas du récif, échouent ou capturent l'absence ou la présence de têtes de coraux individuelles de la forme précise du récif lui-même.Ceci est dû à la quantité importante d'échantillonnage nécessaire pour produire des cartes à haute résolution, ainsi qu'aux défis logistiques consistant à amener des véhicules d'échantillonnage typiques (c'est-à-dire des personnes à bord) dans des zones relativement peu profondes, fragiles et économiquement importantes.Les données primaires rapportées dans cette thèse ont été recueillies dans la réserve marine de Folkstone au large de l'île de la Barbade.Nous avons également mené des études préliminaires sur l'eau douce au Canada, mais le calendrier de la collecte des données par rapport à l'hiver canadien (lorsque les lacs d'intérêt sont solides en gelée) rendait impossible la collecte de ces données pour ce document.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".