A study, design and implementation of an object detecting system using resistivity survey.
Bibliographic record
Abstract
La prospección eléctrica es una herramienta de exploración, que mediante variaciones en propiedades eléctricas en un medio, es posible detectar objetos o cambios en el medio sin afectar sus propiedades. En este trabajo, mediante un análisis frecuencial de señales sinusoidales inyectadas en arena Ottawa 20-40 como medio homogéneo, se analizan experimentalmente a una escala de laboratorio, las variables y características óptimas del sistema de medida para posteriormente realizar una prospección eléctrica en dicho medio. La geometría, profundidad, distribución y material de los electrodos utilizados para la inyección y sensado de la señales son estudiados mediante las respuesta impulsional obtenida, variando cada uno de los parámetros a caracterizar. Tomando en cuenta las necesidades experimentales para llevar a cabo una configuración multielectrodica de prospección eléctrica, se hace un análisis de atenuación y diferencia de fase entre las señales inyectadas y las respuestas obtenidas, y así escoger a que frecuencias y con qué amplitudes deben ser las señales de entrada para realizar barridos en el medio con dimensiones especificas. Los parámetros son puestos a prueba para localizar un objeto esférico inmerso en un recipiente llenado con arena Ottawa 20-40. La característica eléctrica analizada es la distribución de resistividad aparente, con la cual se realiza un estudio tomográfico que permitió obtener información espacial de la geometría y ubicación del objeto esférico.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".