Kolmiulotteisen muodon mallinnuksesta
Notice bibliographique
Résumé
Luonnossa esiintyvät kolmiulotteiset muodot ovat epäsäännöllisiä. Muotojen teoreettiseen mallintamiseen voidaan käyttää tilastollisia menetelmiä, joissa pyritään mahdollisimman vähäiseen vapaiden parametrien lukumäärään. Asteroidien ja perunan mukuloiden kolmiulotteisten muotojen samankaltaisuus on tiedostettu tähtitieteessä ja kasvipatologiassa jo toistakymmentä vuotta. Tässä työssä laajennetaan asteroidien muodon mallinnukseen kehitettyjä menetelmiä perunoiden muotojen mallinnukseen. Vastavuoroisesti havaitaan, että uusi perunan muotomalli edesauttaa asteroidien muotojen mallinnusta. Perunan mukulan muoto on tärkeä geneettisesti määräytyvä lajikkeen ominaisuus, johon vaikuttavat myös ympäristötekijät. Tässä tutkimuksessa määrätään kahden perunalajikkeen (Van Gogh ja Yukon Gold) pääsääntöinen muoto ellipsoidimallin avulla. Yksityiskohtaisemmat piirteet kuvataan palloharmonisten funktioiden sarjakehitelmän avulla. Tämän jälkeen menetelmää sovelletaan neljän muun lajikkeen mukuloiden muodon määritykseen (Bellona, Lady Rosetta, Pito ja Sabina). Tilastollisen muotomallin sovellus perunan mukuloihin osoittaa, että ellipsoidi kuvaa pääsääntöistä muotoa hyvin suurella suhteellisella tarkkuudella ja että palloharmoninen osa on alustavasti tilastollisessa mielessä samankaltainen kaikilla lajikkeilla. Uusi perunan mukulan tilastollinen muotomalli voi osoittautua hyödylliseksi muotoerojen luokittelussa, muotoeroihin vaikuttavien geneettisten ja ympäristötekijöiden vaikutusten kvantifioinnissa sekä konenäköön perustuvissa sovelluksissa.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».