BEAT - Bayesian Earthquake Analysis Tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BEAT is an open-source software tool for the robust characterization of the temporal and spatial evolution of earthquake rupture processes. It uses kinematic rupture models that include low-parametric models like Moment Tensors but also complex high-parametric, finite-extent sources. In other words, BEAT allows studying earthquakes on a first-order level as points with location, size and mechanisms. In consecutive steps, the complexity of the source model may be increased by various details up to the potential to resolve rupture dimension, fault segmentation, slip-distribution and slip-history. The source model parameters and their uncertainties are estimated based on seismic waveforms, and/or geodetic observations like InSAR and GNSS data. Rapid forward modeling is enabled by using pre-computed Green's function databases, handled through the Pyrocko software library. Based on these, synthetic data are provided for arbitrary earthquake rupture models embedded in heterogeneous media. For an extensive exploration of the often high-dimensional model parameter space, BEAT offers a suite of sampling algorithms for high-standard Bayesian inference. The implementations of these sampling algorithms exploit the parallel architecture of modern computers for optimal performance. Finally, BEAT offers easy configuration and automatic visualization of relevant results. The software relies on functionality from PYROCKO (Heimann et al., 2017) and KITE (optionally, Isken et al., 2017).
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
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 découle