MétaCan
Menu
Retour à la cohorte
Enregistrement W2119882768 · doi:10.5539/mas.v9n2p206

Cuboids of Infrared Images Reduction

2015· article· en· W2119882768 sur OpenAlexvenueno aff
И. Н. Ищук, Andrey Parfiriev, Valery N. Tyapkin, Mikhail E. Semenov, Evgenia Kabulova

Notice bibliographique

RevueModern Applied Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueThermography and Photoacoustic Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThermal conductivityReduction (mathematics)IsotropyMaterials scienceThermalInfraredTomographyThermal conductionInverse problemThermal effusivityOpticsComposite materialThermal resistanceGeometryThermal contact conductancePhysicsThermodynamicsMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

The main idea of this scientific article is tomography usage. Projections of multidimensional signal carrying the information about the spatial structure of objects' thermal physic properties are represented by thermal tomograms obtained in active mode of test material surface heating by infrared radiation. Processing of a thermal tomogram is produced by solving the inverse thermal conductivity problem. This solution applies to cuboids of infrared images reduction class of problems. Because of reduction, we get the distribution image of thermal conductivity identified values on isotropic material surface (thermal tomogram) allowing revealing foreign inclusions in the heterogeneous object structure based on the contrast over thermal conductivity. Implementation of this idea is associated with certain difficulties due to the necessity of mathematical modeling of nonlinear thermal transients. The paper presents quartz sand thermal tomograms with temperature conductivity of 9 10-7 m2 s and thermal conductivity of -1 0.9 W m-1 K-1 which structure contains thermal insulation material - expanded foam, and thermally conductive material - aluminum.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,014
Tête enseignante GPT0,219
Écart entre enseignants0,205 · 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'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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetThermography and Photoacoustic TechniquesTravaux en français237 207