MétaCan
Menu
Retour à la cohorte
Enregistrement W2056625603 · doi:10.1115/1.4026366

Maximizing Sensitivity Vector Fields: A Parametric Study

2014· article· en· W2056625603 sur OpenAlexfundno aff
Andrew Sloboda, Bogdan I. Epureanu

Notice bibliographique

RevueJournal of Computational and Nonlinear Dynamics · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Civil, Mechanical and Manufacturing InnovationNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésAttractorSensitivity (control systems)Parametric statisticsDynamical systems theoryContext (archaeology)Nonlinear systemSet (abstract data type)Dynamical system (definition)Biological systemComputer scienceStatistical physicsMathematicsPhysicsMathematical analysisStatisticsBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Sensitivity vector fields (SVFs) have proven to be an effective method for identifying parametric variations in dynamical systems. These fields are constructed using information about how a dynamical system's attractor deforms under prescribed parametric variations. Once constructed, they can be used to quantify any additional variations from the nominal parameter set as they occur. Since SVFs are based on attractor deformations, the geometry and other qualities of the baseline system attractor impact how well a set of SVFs will perform. This paper examines the role attractor characteristics and the choices made in SVF construction play in determining the sensitivity of SVFs. The use of nonlinear feedback to change a dynamical system with the intent of improving SVF sensitivity is explored. These ideas are presented in the context of constructing SVFs for several dynamical systems.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,343
Score d'incertitude au seuil0,285

Scores Codex et Gemma par catégorie

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

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 GPT0,268
Écart entre enseignants0,256 · 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 tête enseignante, 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computational and Nonlinear DynamicsMême sujetStructural Health Monitoring TechniquesTravaux en français237 207