MétaCan
Menu
Retour à la cohorte
Enregistrement W2100448376 · doi:10.1109/ccece.1993.332493

A fuzzy logic based approach for HL1 reliability evaluation

2002· article· en· W2100448376 sur OpenAlexaff
Ibrahim Helal, A.Μ. Sharaf, W. J. Smolinski, E.F. Hill, W.K. Marshall, Deborah Thorne, Basil Milton

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensEnergie NB Power (Canada)University of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésFuzzy logicFuzzy inference systemReliability (semiconductor)InferenceAdaptive neuro fuzzy inference systemComputer scienceData miningRule of inferenceFuzzy numberProcess (computing)Fuzzy control systemReliability theoryArtificial intelligenceReliability engineeringFuzzy setMathematicsPower (physics)StatisticsEngineeringFailure rate

Résumé

récupéré en direct d'OpenAlex

The paper presents the development of a fuzzy logic inference technique for the hierarchical level one (HL1) reliability for a power system. The inference process is rule based where fuzzy values are assigned to the fuzzy variables. The average unit size, system ratio, forced outage rate and the load factor constitute the left hand side of the fuzzy rule whereas the loss of load expectation is the right hand side consequent. The suggested technique for inferring rather than calculating the loss of load expectation has the advantage of handling the uncertainty that may be associated with the system data. This approach shows satisfactory results.< <ETX xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">&gt;</ETX>

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)0,001
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: aucune
Score de désaccord entre enseignants0,969
Score d'incertitude au seuil0,395

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,042
Tête enseignante GPT0,239
Écart entre enseignants0,198 · 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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPower System Reliability and MaintenanceTravaux en français237 207