MétaCan
Menu
Retour à la cohorte
Enregistrement W1936311584 · doi:10.1109/wescan.1995.494076

Efficient method for frequency dependent inductance and resistance calculations

2002· article· en· W1936311584 sur OpenAlexaff
Mohamed Ouda, A. Sebak

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectromagnetic Compatibility and Noise Suppression
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésInductanceImpedance parametersConductorEquivalent series inductanceElectrical impedanceDiscretizationEquivalent circuitKinetic inductanceEquivalent impedance transformsMatrix (chemical analysis)Electrical conductorMathematical analysisTopology (electrical circuits)MathematicsMaterials scienceGeometryVoltageEngineeringElectrical engineeringComposite materialCombinatorics

Résumé

récupéré en direct d'OpenAlex

An efficient approach is presented to calculate the inductance and resistance matrices for three-dimensional multiconductor structures. The proposed approach, based on the partial element equivalent circuit method, calculates the inductance and resistance matrices in two stages. In the first stage, each conductor is considered separately. The conductor is discretized into thin filaments and then the filaments are assembled into the desired equivalent impedance matrix using network theory. The mesh analysis is then used to solve for the complex frequency-dependent impedance of the conductor. In the second stage, the whole structure is considered and is assembled into an equivalent impedance matrix by the network theory. The self inductance and resistance of each conductor obtained in the first stage are used in the impedance matrix. The mutual inductance between the conductors is estimated using the filament approximation. Then, the inductance and resistance matrices are obtained by the mesh analysis.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,007

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 Opus0,016
Tête enseignante GPT0,243
Écart entre enseignants0,227 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectromagnetic Compatibility and Noise SuppressionTravaux en français237 207