MétaCan
Menu
Retour à la cohorte
Enregistrement W2401714080 · doi:10.1145/2818312

Algorithm 962

2016· article· en· W2401714080 sur OpenAlexafffund
Jack Pew, Zhi Li, Paul Muir

Notice bibliographique

RevueACM Transactions on Mathematical Software · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensSaint Mary's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFortranComputer scienceCollocation (remote sensing)Interpolation (computer graphics)AlgorithmPartial differential equationSoftwareOrder of accuracyApplied mathematicsMathematical optimizationMathematicsMethod of characteristicsMathematical analysisArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACOL and BACOLR are (Fortran 77) B-spline adaptive collocation packages for the numerical solution of 1D parabolic Partial Differential Equations (PDEs). The packages have been shown to be superior to other similar packages, especially for problems exhibiting sharp, moving spatial layer regions, where a stringent tolerance is imposed. In addition to providing temporal error control through the timestepping software, BACOL and BACOLR feature control of a high-order estimate of the spatial error of the approximate solution, obtained by computing a second approximate solution of one higher order of accuracy; the cost is substantial—execution time and memory usage are almost doubled. In this article, we discuss BACOLI, a new version of BACOL that computes only one approximate solution and uses efficient interpolation-based schemes to obtain a spatial error estimate. In previous studies these schemes have been shown to provide spatial error estimates of comparable quality to those of BACOL. We describe the substantial modification of BACOL needed to obtain BACOLI, and provide numerical results showing that BACOLI is significantly more efficient than BACOL, in some cases by as much as a factor of 2. We also introduce a Fortran 95 wrapper for BACOLI (called BACOLI95) and discuss its simplified user interface.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,533

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1590,072

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 Opus0,025
Tête enseignante GPT0,283
Écart entre enseignants0,259 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACM Transactions on Mathematical SoftwareMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207