Implementasi Metode Dempster-Shafer Pada Sistem Pakar Pendiagnosa Kerusakan Sepeda Motor
Notice bibliographique
Résumé
Saat ini, banyak orang menggunakan sepeda motor untuk mendukung aktivitasnya tetapi tidak semua pengguna mengetahui jika terjadi gangguan atau kerusakan pada sepeda motor yang dimilikinya. Hal ini berlaku juga untuk pengguna motor Yamaha terutama yang menggunakan sistem bahan bakar konvensional. Akan sangat membantu apabila pengguna atau masyarakat umum mengetahui apabila sepeda motor yang dikendarainya mengalami kerusakan atau gangguan. Sistem Pakar sebagai sebuah sistem berbasis komputer yang mengadopsi pengetahuan pakar ke dalam komputer dapat dimanfaatkan untuk membantu mendiagnosa kerusakan yang dialami oleh sepeda motor Yamaha berdasarkan gejala/gangguan yang terjadi pada sepeda motor tersebut Meskipun sistem pakar diharapkan dapat membantu masyarakat untuk mendiagnosa kerusakan yang terjadi tetapi perlu juga diketahui seberapa besar keyakinan sistem pakar mendiagnosa kerusakan. Untuk mengetahui besarnya nilai keyakinan/kepercayaan suatu kerusakan sebagai hasil diagnosa maka digunakan metode Dempster-Shafer yang menekankan pada besarnya keyakinan suatu gejala kerusakan mendukung diagnosa kerusakan tertentu.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,007 |
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 ».