MétaCan
Menu
Retour à la cohorte
Enregistrement W2054255883 · doi:10.1142/s0219467805001859

SCCI-HYBRID METHODS FOR 2D CURVE TRACING

2005· article· en· W2054255883 sur OpenAlexaff
H. Ratschek, Jon Rokne

Notice bibliographique

RevueInternational Journal of Image and Graphics · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Analysis Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésContinuationIterated functionFunction (biology)MathematicsInterval (graph theory)Interval arithmeticCurve fittingJacobian curveTripling-oriented Doche–Icart–Kohel curveSubdivisionComputationApplied mathematicsComputer scienceAlgorithmMathematical optimizationMathematical analysisElliptic curveStatisticsCombinatorics

Résumé

récupéré en direct d'OpenAlex

A hybrid method for plotting 2-dimensional curves, defined implicitly by equations of the form f(x,y) = 0 is presented. The method is extremely robust and reliable and consists of Space Covering techniques, Continuation principles and Interval analysis (i.e. SCCI). The space covering, based on iterated subdivision, guarantees that no curve branches or isolated curve parts or even points are lost (which can happen if grid methods are used). The continuation method is initiated in a subarea as soon as it is proven that the subarea contains only one smooth curve. Such a subarea does not need to be subdivided further so that the computation is accelerated as far as possible with respect to the subdivision process. The novelty of the SCCI-hybrid method is the intense use of the implicit function theorem for controlling the steps of the method. Although the implicit function theorem has a rather local nature, it is empowered with global properties by evaluating it in an interval environment. This means that the theorem can provide global information about the curve in a subarea such as existence, non-existence, uniqueness of the curve or even the presence of singular points. The information gained allows the above-mentioned control of the subarea and the decision of its further processing, i.e. deleting it, subdividing it, switching to the continuation method or preparing the plotting of the curve in this subarea. The curves can be processed mathematically in such a manner, that the derivation of the plotted curve from the exact curve is as small as desired (modulo the screen resolution).

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,012
Tête enseignante GPT0,352
Écart entre enseignants0,340 · 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
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

Citations17
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Image and GraphicsMême sujetAdvanced Numerical Analysis TechniquesTravaux en français237 207