Eikonal Equation Based Front Propagation Technique and its Applications
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.
Notice bibliographique
Résumé
This paper presents a new front propagation technique which is extended to the applications in Ge-ometryModeling andMeshGeneration. The propagation process proposed in this technique is directly inspired from marching technology, that is all the points located on the original front are propagated along their local normal directions. The main difference between the current method and traditional marching methods lies in the way that local normal direction is computed. Traditionally, the local nor-mal directions are computed using geometric information, such as the average (or weighted) normal of neighboring points or facets surrounding the point to be propagated. In this method, the local nor-mal directions are calculated using equation ~n = ∇φ/|∇φ. φ is the solution of the minimum distance equation, ∇φ · ∇φ = 1, which is a variation of the Eikonal equation. The benefit of calculating normal directions in such a way is that self-intersections are avoided in a natural way. This proposed front propagation method is validated from two aspects: accuracy and efficiency. The proposed front propa-gation technique is successfully applied in the applications of offset surface construction and boundary layer mesh generation. Nomenclature φ The minimum Euclidean distance between any arbitrary point of computational domain to the propagated front ~n Normal vector ∇ First derivative in space Γ The front to be propagated t The sweep counter I.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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