Journal of Experimental and Theoretical Analyses
Abstract
Il modello TWC Sigma, parte della famiglia Topological Weighted Centroid (TWC), viene introdotto come un framework spaziale per la localizzazione delle sorgenti in sistemi nei quali le informazioni di rete sono incomplete o non disponibili. La sua architettura si basa su due approcci alternativi: uno fondato sulla correlazione non lineare, capace di catturare dipendenze spaziali complesse tra i segnali osservati, e un altro basato su reti neurali supervisionate, che utilizzano l’apprendimento adattivo su una griglia spaziale discretizzata per stimare la probabilità di localizzazione di sorgenti nascoste.
In entrambi i casi, TWC Sigma fornisce un meccanismo robusto e coerente per stimare le posizioni probabili delle sorgenti nascoste utilizzando esclusivamente le coordinate spaziali e l’intensità del segnale. Le applicazioni su dataset sia sintetici sia reali — come quelli raccolti da Minna-no Data Site sulla contaminazione da radiocesio dopo Fukushima — confermano la capacità del modello di identificare sia le zone di emissione primarie sia quelle secondarie con una forte coerenza spaziale.
Questi risultati evidenziano TWC Sigma come un modello efficiente e interpretabile, utilizzabile sia in modo autonomo sia come strumento complementare a framework più complessi basati su reti, offrendo una localizzazione rapida e affidabile anche in presenza di dati sparsi, rumorosi o eterogenei.
