MétaCan
Menu
Retour à la cohorte
Enregistrement W2996227322 · doi:10.32370/ia_2019_12_15

Complex Integration of Aerodynamic Micro-Foam Generators into Specialized Technological Devices with Artificial Intelligence and Artificial Neural Networks for System Control

2019· article· en· W2996227322 sur OpenAlexvenueno aff
Victor Popov

Notice bibliographique

RevueIntellectual Archive · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Technology and Methodologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerodynamicsComputer scienceMechanical engineeringArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

The system of aerodynamic foam generation is covered in this article as well as its structure and main technological and structural characteristics.The author describes technological and industrial processes related to production of thin filmed micro assemblies from which logically follows the expediency of using micro foam for solving specified objectives, its main advantages as well as reasoning behind choosing the aerodynamic principle for foam generation.Besides the principles of system operation, the author also considered different options for its application in industrial settings.Special attention is focused on the application at lines of photolithographic masking and galvanic coating on the boards of thin filmed micro assemblies, but the author also considers a case for usage as a fuel mixture which leads to reduction of fuel consumption and simplification of the construction of combustion chamber sealing or cylinders of the diesel engine.Author considers in detail the main structural components of the construction of the device for aerodynamic micro foam generation as well as the properties and characteristics of the obtained micro foal primarily due to aerodynamic effect.Thorough description is given to the principle diagram and principles of assembly operation for using the aerodynamic foam generator for various industrial technological processes.Comparative analysis is conducted for the suggested technical object and known technical objects that were discovered during patent search.As a result, the list of properties for significant novelty is elicited and outlined.The described system allows usage of artificial intelligence and machine learning for system control.Analyses of the suggested technology was performed in accordance with the methods and criteria of Theory of Inventive Problem Solving and Algorithms of Inventive Problem Solving.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,038
Tête enseignante GPT0,254
Écart entre enseignants0,216 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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