The Consequences of Average Curve Generation: Implications for Biomechanics Data
Notice bibliographique
Résumé
One method of understanding the general mechanical response of a complex system such as a vehicle, a human surrogate, a bridge, a boat, a plane, etc., is to subject it to an input, such as an impact, and obtain the response time-histories. The responses can be accelerations, velocities, strains etc. In general, when experiments of this type are run the responses are contaminated by sample-to-sample variation, test-to-test variability, random noise, instrumentation noise, and noise from unknown sources. One common method of addressing the noise in the system to obtain the underlying response is to run multiple tests on different samples that represent the same system and add them together obtaining an average. This functionally reduces the random noise. However, if the fundamental response of each sample is not the same, then it is not altogether clear what the average represents. It may not capture the underlying physics. This paper evaluates the use of transducer time-histories for developing an underlying response when there is variation in the time-histories that is not due to random noise, but to a fundamental aspect of the response. Although the examples used are from NCAP tests, the analysis has direct application to the development of Anthropomorphic Test Devices (ATDs) when the underlying response to which the ATD is designed is obtained from impact tests on Post Mortem Human Surrogates.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».