MétaCan
Menu
Retour à la cohorte
Enregistrement W11873600

Holonic stigmergy as a mechanism for engineering self-organizing applications.

2006· article· en· W11873600 sur OpenAlexaff
Mihaela Ulieru, Stefan Grobbelaar

Notice bibliographique

RevueNeurologia i Neurochirurgia Polska · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueModular Robots and Swarm Intelligence
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésHierarchyComputer scienceStigmergyWord (group theory)Set (abstract data type)Flexibility (engineering)Cluster analysisArtificial intelligenceSuffixPoint (geometry)Mechanism (biology)Theoretical computer scienceMathematicsProgramming language
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

he word holon is made up of the Greek word “holos”, meaning whole, and the suffix “on”, suggesting a particle or part, and can thus be described as a part-whole. According to Koestler [1], this part-whole can be viewed as nodal point in at a certain level of a nested hierarchy (holarchy), describing the relationship between a set of dependant entities that are self-complete wholes and entities which are considered other dependent parts (located at lower levels in the holarchy). A holarchy, then, is a nested hierarchy of holons (Fig. 1 [14]), and, e.g. according to the Holonic Manufacturing Systems Consortium [2], is a system of holons that can cooperate to achieve a goal or objective. The holarchy defines the basic rules for cooperation of the holons and thereby limits their autonomy. Extensive work on self-organising holarchies applied to various domains has been done by Ulieru [10, 11]. In this paper we extend the holarchic self-organising model introduced by Ulieru [12] by adding to it stigmergic capabilities, which will further increase the flexibility of the emergence model by eliminating the need for a mediator holon (which encapsulates the optimal clustering mechanism in Ulieru’s work [13]) through the power of swarm intelligence optimal clustering.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,005
Tête enseignante GPT0,189
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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurologia i Neurochirurgia PolskaMême sujetModular Robots and Swarm IntelligenceTravaux en français237 207