MétaCan
Menu
Retour à la cohorte
Enregistrement W2016378465 · doi:10.1177/0037549708101182

Tools for Graphical Specification and Visualization of DEVS Models

2009· article· en· W2016378465 sur OpenAlexaff
Gabriel Wainer, Qi Liu

Notice bibliographique

RevueSIMULATION · 2009
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueSimulation Techniques and Applications
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceDEVSVisualizationModular designSoftware engineeringSoftwareConstruct (python library)Discrete event simulationProcess (computing)AnimationVariety (cybernetics)Human–computer interactionModeling and simulationProgramming languageData miningSimulationComputer graphics (images)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

We introduce advanced graphical modeling and visualization facilities for Discrete Event System Specification (DEVS) modeling and simulation (M&S) in the CD++ environment. The objective is to provide general users with a variety of easy-to-use environments to facilitate the model analysis process and thereby promoting the adoption of M&S by a wider community of practitioners and researchers. CD++Modeler allows users without much experience in software development to construct rather complex DEVS models and to analyze simulation data using 2D graphics. We also introduce a graphical platform called MAPS designed specifically for urban traffic systems, and other advanced 3D animation tools (CD++/VRML, CD++/Maya, CD++DEVSView, and CD++/Blender) based on both commercial and open-source software packages. We elaborate on the design of these toolkits and demonstrate their capabilities as well as relative merits and limitations with realistic applications. Following a highly modular approach, the resulting architecture can be easily extended to incorporate other modeling and visualization techniques in future development. We show that these facilities can reduce the model development cost significantly, lower the learning curve for general users, and improve the comprehension of continuously evolving models, making them suitable for efficient decision making.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0040,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0460,014

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 Opus0,297
Tête enseignante GPT0,490
Écart entre enseignants0,192 · 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'étudeSimulation ou modélisation
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

Citations25
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSIMULATIONMême sujetSimulation Techniques and ApplicationsTravaux en français237 207