MétaCan
Menu
Retour à la cohorte
Enregistrement W2478661128 · doi:10.1017/cbo9780511810183.011

Fourier series on bounded domains

2010· book-chapter· en· W2478661128 sur OpenAlexaff
Marcus Pivato

Notice bibliographique

RevueCambridge University Press eBooks · 2010
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueAdvanced Mathematical Modeling in Engineering
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésHarmonicsChord (peer-to-peer)Superposition principleFourier seriesMathematicsHarmonicSpectral densityAcousticsFourier transformPitch (Music)MusicalPhysicsMathematical analysisComputer scienceArtQuantum mechanicsStatistics

Résumé

récupéré en direct d'OpenAlex

Any complex sound is a combination of simple ‘pure tones’ of different frequencies. For example, a musical chord is a superposition of three (or more) musical notes, each with a different frequency. In fact, a musical note itself is not really a single frequency at all; a note consists of a ‘fundamental’ frequency, plus a cascade of higher-frequency ‘harmonics’. The energy distribution of these harmonics is part of what gives each musical instrument its distinctive sound. The decomposition of a sound into separate frequencies is sometimes called its power spectrum . A crude graphical representation of this power spectrum is visible on most modern stereo systems (the little jiggling red bars). Fourier theory is based on the idea that a real-valued function is like a sound, which can be represented as a superposition of ‘pure tones’ (i.e. sine waves and/or cosine waves) of distinct frequencies. This provides a ‘coordinate system’ for expressing functions, and within this coordinate system we can express the solutions for many partial differential equations in a simple and elegant way. Fourier theory is also an essential tool in probability theory and signal analysis (although we will not discuss these applications in this book). The idea of Fourier theory is simple, but to make this idea rigorous enough to be useful, we must deploy some formidable mathematical machinery. So we will begin by developing the necessary background concerning inner products, orthogonality, and the convergence of functions.

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)0,003
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 enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,018
Tête enseignante GPT0,197
Écart entre enseignants0,179 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetAdvanced Mathematical Modeling in EngineeringTravaux en français237 207