MétaCan
Menu
Retour à la cohorte
Enregistrement W2995831954 · doi:10.32370/ia_2019_12_17

PATENT PROTECTION OF INTEGRATIVE TECHNICAL SYSTEM – containing subsystems interconnected by elements of artificial intelligence and artificial neural networks. The use of analytical and algorithmic tools in the preparation of applications for the issuance of patent documents in the United States

2019· article· en· W2995831954 sur OpenAlexvenueno aff
Yerzhan Kusparmakov

Notice bibliographique

RevueIntellectual Archive · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Technology and Methodologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Computer scienceSystems engineeringHierarchyProduct (mathematics)Manufacturing engineeringArtificial intelligenceManagement scienceRisk analysis (engineering)Engineering managementEngineeringBusiness

Résumé

récupéré en direct d'OpenAlex

The integration of software solutions and mobile applications into innovative technical systems of all levels in the current process of transforming classical technologies into smart technologies and transforming the entire hierarchy of technical systems and their interconnections into smart technical systems is the basis for the formation of such innovative products that are most in demand on the markets.As the practice of such innovative development shows, the use of methods and techniques of the inventive process adapted to today's elemental base and modern composite materials from generating an idea to the complete formation of materials for an application for an invention can be successfully carried out with the well-known Theory and Algorithm for solving inventive problems.Of particular importance in the innovation process are relations with investors and potential strategic partners in the commercial application of the created innovative product.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0050,003
Science ouverte0,0020,002
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0540,019

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 Opus0,147
Tête enseignante GPT0,316
Écart entre enseignants0,170 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntellectual ArchiveMême sujetEngineering Technology and MethodologiesTravaux en français237 207