MétaCan
Menu
Retour à la cohorte
Enregistrement W2119288811

The Gaussian Centre of a Set of Mobile Points

2003· article· en· W2119288811 sur OpenAlexaff
Stéphane Durocher, David Kirkpatrick

Notice bibliographique

RevueCanadian Conference on Computational Geometry · 2003
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Geometry and Mesh Generation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFacility location problemPosition (finance)Bounded functionEuclidean geometrySet (abstract data type)Computer scienceMotion (physics)Function (biology)GaussianMathematical optimizationMathematicsMathematical analysisGeometryPhysicsArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Given a set of client positions as input, facility location attempts to find positions for a set of facilities to optimize some objective function. In mobile facility location, clients undergo continuous motion with bounded velocity and the problem becomes maintaining the position of a mobile facility. This new area within the classical field of facility location is attractive for the many new challenges it presents, problems which did not exist in static facility location. The velocity of the mobile Euclidean centre in two or more dimensions (centre of the smallest enclosing sphere) is unbounded [BBKS00]. It is natural to impose some upper bound on the velocity of a facility. Thus, one must approximate the position of the centre. The goal is to balance a good approximation factor while maintaining low velocity. To solve these two opposing goals, we present the Gaussian centre as an approximation to the mobile Euclidean centre.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil0,496

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 ouverte0,0010,000
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 Opus0,021
Tête enseignante GPT0,248
Écart entre enseignants0,227 · 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'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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Conference on Computational GeometryMême sujetComputational Geometry and Mesh GenerationTravaux en français237 207