MétaCan
Menu
Retour à la cohorte
Enregistrement W2157817266 · doi:10.1109/icci.2004.38

Uncertainty modeling in selection of gas/liquid contactors using Bayesian networks

2004· article· en· W2157817266 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE International Conference on Cognitive Informatics · 2004
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésContactorSelection (genetic algorithm)Computer scienceProcess (computing)Task (project management)Bayesian probabilityModel selectionMachine learningRisk analysis (engineering)Operations researchSystems engineeringArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

This paper presents efforts at modeling the decision making process involved in selection of gas-liquid contactors that are commonly used for industrial gas treating. The gas-liquid contactors enable one or more components of a gas phase to be absorbed into a liquid phase. Selection of an appropriate contactor is important for functionality, treating efficiency, as well as process economy. However, it is currently difficult to arrive at complete and objective recommendations as to which contactor is appropriate due to the large number of available contactors, the many and inherently uncertain parameters in this selection task, dependencies between these parameters, and vendor biases. Hence, an expert system becomes an essential tool that helps users overcome these difficulties and supports the user in a systematic selection process that takes into consideration all necessary parameters. To model the inherently uncertain parameters in this selection task, a Bayesian approach is adopted as a primary methodology that provides a normative framework. This knowledge modeling phrase is important for later development of an expert decision support tool.

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.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,476
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,181
Tête enseignante GPT0,400
Écart entre enseignants0,219 · 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