MétaCan
Menu
Retour à la cohorte
Enregistrement W2919291874 · doi:10.1142/s0218195919500018

Partial Enclosure Range Searching

2019· article· en· W2919291874 sur OpenAlexafffund
Gregory Bint, Anil Maheshwari, Michiel Smid, Subhas C. Nandy

Notice bibliographique

RevueInternational Journal of Computational Geometry & Applications · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Geometry and Mesh Generation
Établissements canadiensCarleton University
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésRectanglePolygon (computer graphics)MathematicsParallelogramIntersection (aeronautics)CombinatoricsRange (aeronautics)Set (abstract data type)Discrete mathematicsGeometryComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

A new type of range searching problem, called the partial enclosure range searching problem, is introduced in this paper. Given a set of geometric objects [Formula: see text] and a query region [Formula: see text], our goal is to identify those objects in [Formula: see text] which intersect the query region [Formula: see text] by at least a fixed proportion of their original size. Two variations of this problem are studied. In the first variation, the objects in [Formula: see text] are axis-parallel line segments and the goal is to count the total number of members of [Formula: see text] so that their intersection with [Formula: see text] is at least a given proportion of their size. Here, [Formula: see text] can be an axis-parallel rectangle or a parallelogram of arbitrary orientation. In the second variation, [Formula: see text] is a polygon and [Formula: see text] is an axis-parallel rectangle. The problem is to report the area of the intersection between the polygon [Formula: see text] and a query rectangle [Formula: see text].

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,785

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,289
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computational Geometry & ApplicationsMême sujetComputational Geometry and Mesh GenerationTravaux en français237 207