MétaCan
Menu
Retour à la cohorte
Enregistrement W2151002939 · doi:10.1109/tac.2009.2019796

New Results on Modal Participation Factors: Revealing a Previously Unknown Dichotomy

2009· article· en· W2151002939 sur OpenAlexaboutno aff
W.A. Hashlamoun, Munther A. Hassouneh, Eyad H. Abed

Notice bibliographique

RevueIEEE Transactions on Automatic Control · 2009
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Optimization and Stability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModalMode (computer interface)Quarter (Canadian coin)State (computer science)Invariant (physics)Set (abstract data type)Control theory (sociology)MathematicsComputer scienceControl (management)Artificial intelligenceAlgorithmGeography

Résumé

récupéré en direct d'OpenAlex

This paper presents a new fundamental approach to modal participation analysis of linear time-invariant systems, leading to new insights and new formulas for modal participation factors. Modal participation factors were introduced over a quarter century ago as a way of measuring the relative participation of modes in states, and of states in modes, for linear time-invariant systems. Participation factors have proved their usefulness in the field of electric power systems and in other applications. However, in the current understanding, it is routinely taken for granted that the measure of participation of modes in states is identical to that for participation of states in modes. Here, a new analysis using averaging over an uncertain set of system initial conditions yields the conclusion that these quantities (participation of modes in states and participation of states in modes) should not be viewed as interchangeable. In fact, it is proposed that a new definition and calculation replace the existing ones for state in mode participation factors, while the previously existing participation factors definition and formula should be retained but viewed only in the sense of mode in state participation factors. Several examples are used to illustrate the issues addressed and the results obtained.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 GPT0,245
Écart entre enseignants0,231 · 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

Citations74
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Automatic ControlMême sujetPower System Optimization and StabilityTravaux en français237 207