Map Comparison Methods for Three‐Dimensional Space and Time Voxel Data
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
Map comparisons in three‐dimensional space (3D) and 3D time series (4D) are becoming a necessity with increased availability of multidimensional data and model simulation outputs. Therefore, this research study extends the two‐dimensional (2D) map comparison methods with the aim to propose a suite of 3D approaches such as 3D Kappa, 3D Fuzzy, and 4D Fuzzy Kappa coefficients specifically designed to perform with voxel data. These proposed approaches can account for fuzziness where small categorical differences in 3D space or space‐time are given a degree of similarity instead of a binary similarity value. The developed approaches are tested using different voxel data sets: (a) hypothetical with two and four classes to confirm the methods produce expected results, (b) voxelized LiDAR data to demonstrate the comparison of real 3D data sets, (c) soil horizon voxel data sets to conduct a sensitivity analysis of 3D voxel window sizes, (d) 4D outputs from an agent‐based forest‐fire smoke model to demonstrate the 4D Fuzzy Kappa coefficient and a sensitivity analysis of 4D voxel window size. The obtained results indicate that 3D and 4D voxel data comparisons are feasible allowing for further work on comparison of 3D data and evaluation of multidimensional models.
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 | 0,001 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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