MétaCan
Menu
Retour à la cohorte
Enregistrement W2116786317 · doi:10.5539/mas.v8n3p24

Aesthetic Curve Design with Linear Gradients of Logarithmic Curvature/Torsion Graphs

2014· article· en· W2116786317 sur OpenAlexvenueno aff
R. U. Gobithaasan, Kenjiro T. Miura, L. P. Yee, Abdul Wahab

Notice bibliographique

RevueModern Applied Science · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Analysis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurvatureOdeTorsion of a curveLogarithmTorsion (gastropod)MathematicsGraphOrdinary differential equationFunction (biology)Mathematical analysisMean curvatureDifferential equationGeometryCenter of curvatureDiscrete mathematics

Résumé

récupéré en direct d'OpenAlex

The quality of a curve for industrial design and computer graphics can be interrogated using Logarithmic Curvature Graph (LCG) and Logarithmic Torsion Graph (LTG). A curve is said to be aesthetic if it depicts linear LCG and LTG function. The Log-aesthetic curve (LAC) was developed bearing this notion and it was later extended to a Generalized Log-aesthetic curve (GLAC) using the -shift and -shift approach. This paper reformulates GLAC by representing the Logarithmic Curvature and Torsion graph’s gradient function as a nonlinear ordinary differential equation (ODE) with boundary conditions. The outputs of solving the ODEs result in a well defined Cesaro equation in the form of curvature function that is able to produce both planar as well as spatial curves with promising entities for industrial product design, computer graphics and more.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil0,530

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,008
Tête enseignante GPT0,212
Écart entre enseignants0,204 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetAdvanced Numerical Analysis TechniquesTravaux en français237 207