MétaCan
Menu
Retour à la cohorte
Enregistrement W2569082170 · doi:10.1515/hf-2016-0121

Water sorption hysteresis in wood: II mathematical modeling – functions beyond data fitting

2017· article· en· W2569082170 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

RevueHolzforschung · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic Properties and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHysteresisSorptionInterpretation (philosophy)Biological systemExperimental dataMathematical modelAlgorithmDomain (mathematical analysis)Work (physics)Series (stratigraphy)Nonparametric statisticsApplied mathematicsMathematicsComputer scienceThermodynamicsAdsorptionChemistryEconometricsStatisticsMathematical analysisPhysicsGeologyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The Preisach model, the mathematical form of the independent domain model, has been used to describe water sorption hysteresis in wood for over 20 years, however, its geometric interpretation has not been fully explored. In this work, it is demonstrated that the geometric interpretation can be used to explain the five experimental hysteresis patterns identified in the first paper of this series. Additionally, a modification to the aforementioned model is suggested that involves a numerical implementation, which avoids the use of unknown parameters. Our approach was evaluated at 25 and 40°C by comparing the predicted 1 st to 4 th order scanning curves with experimental data for Douglas-fir, western red cedar and Aspen. The low prediction errors and well-maintained wiping-out property support the suitability of our approach. Compared to other models found in literature, the presented model has the advantage of high accuracy and easy implementation due to its nonparametric nature.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,082
Tête enseignante GPT0,292
Écart entre enseignants0,210 · 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