MétaCan
Menu
Retour à la cohorte
Enregistrement W3129139980 · doi:10.5206/mase/13393

Traveling waves in cooperative predation: relaxation of sublinearity

2021· article· en· W3129139980 sur OpenAlexvenueno aff
Srijana Ghimire, Xiangsheng Wang

Notice bibliographique

RevueMathematics in Applied Sciences and Engineering · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraveling waveLyapunov functionRelaxation (psychology)PredationFunction (biology)MathematicsConstruct (python library)TrajectoryDiffusionMathematical analysisMathematical economicsApplied mathematicsMathematical optimizationControl theory (sociology)Computer sciencePhysicsEcologyArtificial intelligenceQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate traveling wave solutions of a diffusive predator-prey model which takes into consideration hunting cooperation. Sublinearity condition is violated for the function of cooperative predation. When the basic reproduction number for the diffusion-free model is greater than one, we find a critical wave speed below which no positive traveling wave solution shall exist. On the other hand, if the wave speed exceeds this critical value, we prove the existence of a positive traveling wave solution connecting the predator-free equilibrium to the unique positive equilibrium under a technical assumption of weak cooperative predation. The key idea of the proof contains two major steps: (i) we construct a suitable pentahedron and find inside it a trajectory connecting the predator-free equilibrium; and (ii) we construct a suitable Lyapunov function and use LaSalle invariance principle to prove that the trajectory also connects the positive equilibrium. In the end of this paper, we propose five open problems related to traveling wave solutions in cooperative predation.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
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 Opus0,036
Tête enseignante GPT0,284
Écart entre enseignants0,248 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematics in Applied Sciences and EngineeringMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207