Multidimensional Topology Transforms
Notice bibliographique
Résumé
Most currently constructed 3D geological models are to a first order the result of transformations of data with different dimensionality into 3D: 0D (e.g. outcrop data, at the regional scale),1D (e.g. drill hole data, at the mine scale),2D data (e.g. satellite data, at the regional scale) or3D data (e.g. seismic data, when high resolution 3D geophysical data are available, such as in basins),4D models (3D evolutions with time).The datasets used to project between dimensions vary according to the scenario, however they generally consist of a mixture of 0D observations and local temporal or spatial relationships (their topology). Modern software systems are able to use a sub-set of these relationships (fault-stratigraphy relationships for example) to build 3D geological models, however the relationships are not typically used as an independent constraint on how much of the 3D model is constrained by observations, and how much is generated by the end user (or the algorithms they use).This study explores the relationships between topological observations in 1, 2 and 3D in order to better understand how these may be used in the future as inputs to a revised 3D modelling workflow. We have investigated both synthetic cases, where we have full control, and natural examples, which permit alternate hypotheses. This approach has potential relevance to mine-scale and regional 3D models where the 3D topologies are poorly defined by the existing data, but 1D and 2D constraints are available.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».