MétaCan
Menu
Retour à la cohorte
Enregistrement W3032947618 · doi:10.52842/conf.acadia.2014.565

Compression Based Growth Modelling

2014· article· en· W3032947618 sur OpenAlexaboutno aff
Christoph Klemmt

Notice bibliographique

RevueACADIA quarterly · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompression (physics)Computer sciencePetiole (insect anatomy)Point (geometry)Finite element methodSet (abstract data type)Column (typography)Tree (set theory)AlgorithmStructural engineeringEngineering drawingGeometryMathematicsEngineeringBiologyMaterials scienceGenusBotanyCombinatoricsProgramming languageComposite material

Résumé

récupéré en direct d'OpenAlex

Venation structures in leaves fulfil both circulatory as well as structural functions within the organism they belong to.A possible digital simulation algorithm for the growth of venation, vascularisation or tree growth patterns has been described by the Department of Computer Science at the University of Calgary.In modifying the algorithm for architectural applications, it is possible to generate a type of geometry in which a roof, the target surface of the simulation, is supported above a set of point supports, the seed points of the simulation.The resulting geometries can be similar in their appearance to the leaves of Victoria spp., in which the flat leaf is supported by the veins and a column like petiole from underneath.Different ways of generating those geometries have been explored and digitally load-tested using Finite Element Analysis.Although the algorithm does not have an inherent logic of load transfer, the resulting structures perform well.In most cases, closed venation structures deflect less than open structures, which is in line with proposals that the formation of loops in leaves relates to structural performance.Height-adjusted Reticulate Venation Structure (Klemmt 2014) 1

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
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)0,0050,001

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 GPT0,177
Écart entre enseignants0,166 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACADIA quarterlyMême sujetGreenhouse Technology and Climate ControlTravaux en français237 207