MétaCan
Menu
Retour à la cohorte
Enregistrement W2056546193 · doi:10.2495/dne-v9-n4-255-265

Colours of noise fractals and applications

2014· article· en· W2056546193 sur OpenAlexvenueno aff
G. Rosenhouse

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpectral densityFractalNoise (video)Statistical physicsNatural (archaeology)Spectral power distributionNoise powerSIGNAL (programming language)Noise spectral densityMathematicsPower (physics)AcousticsPhysicsComputer scienceOpticsMathematical analysisStatisticsArtificial intelligenceQuantum mechanicsNoise figureTelecommunicationsGeography

Résumé

récupéré en direct d'OpenAlex

Due to uncertainty in it, noise prevents exact prediction of the future from the past.Noise is generally described by spectral densities of certain functional dependence on frequency.Years of research revealed relations between natural phenomena and noise spectral distributions of either man-made or natural sources of different spectral density signal content.However, since many random functions of noise appear in nature and in technology in power spectra and power law relations, certain categories of noise spectral density distributions are generally described as powers of frequency¸ being grouped in such a way that each one represents certain specifi c natural and man-made phenomena.On the other hand, most of the natural phenomena have fractal dimensions that combine together spectral behaviour that occurs in reality as can be seen by measurements results.The paper shows these functional descriptions of noise in terms of colours and their combination with fractals theories, which enable development of advanced technologies

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)0,003
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,007
Tête enseignante GPT0,245
Écart entre enseignants0,238 · 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
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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetMarine animal studies overviewTravaux en français237 207