MétaCan
Menu
Retour à la cohorte
Enregistrement W2071831172 · doi:10.1142/s0218202502002008

HYPERBOLIC MODELS FOR CHEMOSENSITIVE MOVEMENT

2002· article· en· W2071831172 sur OpenAlexaff
Thomas Hillen

Notice bibliographique

RevueMathematical Models and Methods in Applied Sciences · 2002
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematical Biology Tumor Growth
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMovement (music)Moment (physics)Closure (psychology)Moment closureMathematicsPopulationLimit (mathematics)Distribution (mathematics)DiffusionThermal conductionMathematical analysisStatistical physicsApplied mathematicsMechanicsPhysicsClassical mechanicsLaw

Résumé

récupéré en direct d'OpenAlex

Chemosensitive movement describes the active orientation of individuals on chemical signals. In cases of cellular slime molds or flagellated bacteria, chemosensitive movement leads to aggregation and pattern formation. The classical mathematical model to describe chemosensitive movement is the diffusion based Patlak–Keller–Segel model. It suffers from the drawback of infinite propagation speeds. The relevant model parameters (motility and chemosensitivity) are related to population statistics. Hyperbolic models respect finite propagation speeds and the relevant model parameters (turning rate, distribution of new chosen velocities) are based on the individual movement patterns of the species at hand. In this paper hyperbolic models (in 1-D) and a transport model (in n-D) for chemosensitive movement are discussed and compared to the classical model. For the hyperbolic and transport models the following topics are reviewed: parabolic limit (which in some cases leads to the Patlak–Keller–Segel model), local and global existence, asymptotic behavior and moment closure. The moment closure approach leads to models based on Cattaneo's law of heat conduction (telegraph equation).

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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
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 Opus0,214
Tête enseignante GPT0,415
Écart entre enseignants0,201 · 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

Citations115
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Models and Methods in Applied SciencesMême sujetMathematical Biology Tumor GrowthTravaux en français237 207