MétaCan
Menu
Retour à la cohorte
Enregistrement W2007015193 · doi:10.1115/1.4004226

A Novel Paradigm for the Qualitative Synthesis of Simple Kinematic Chains Based on Complexity Measures

2011· article· en· W2007015193 sur OpenAlexafffund
Waseem A. Khan, Jorge Angeles

Notice bibliographique

RevueJournal of Mechanisms and Robotics · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensMcGill University
Organismes subventionnairesMcGill University
Mots-clésKinematicsStructural complexityCurvatureComputationMathematicsPlanarRotation (mathematics)GeometrySurface (topology)Simple (philosophy)Computer scienceTopology (electrical circuits)Linkage (software)AlgorithmArtificial intelligenceCombinatoricsClassical mechanicsPhysicsComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

Proposed in this paper is a paradigm for the qualitative synthesis of simple kinematic chains that is based on the concept of complexity. Qualitative synthesis is understood here as the number and the type stages of the kinematic-synthesis process. The formulation hinges on the geometric complexity of the surface associated with lower kinematic pairs. First, the geometric complexity of curves and surfaces is recalled, as defined via the loss of regularity (LOR). The LOR, based in turn on the concept of diversity, measures the spectral richness of the curvature of either the curve or the surface under study. The paper closes with a complexity analysis of all six lower kinematic pairs, as a means to guide the mechanical designer into the conceptual stage of the design process. The paradigm is illustrated with the computation of the complexity of the four-bar linkage in all its versions, planar, spherical, and spatial, as well as that of a transmission for the conversion of a rotation about a vertical axis into one about a horizontal axis.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,005
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,097
Tête enseignante GPT0,281
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

Citations12
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanisms and RoboticsMême sujetManufacturing Process and OptimizationTravaux en français237 207