MétaCan
Menu
Retour à la cohorte
Enregistrement W3195182661

THE REAL-ESSI SIMULATOR SYSTEM, CURRENT STATUS

2019· article· en· W3195182661 sur OpenAlexfundno aff
Boris Jeremić, Feng Yuan, Yang Han, Hexiang Wang, Fangbo Wang

Notice bibliographique

RevueNCSU Libraries Repository (North Carolina State University Libraries) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Data Processing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesFederal Emergency Management AgencyInternational Atomic Energy AgencyU.S. Nuclear Regulatory CommissionCanadian Nuclear Safety CommissionBureau of ReclamationNational Science FoundationU.S. Department of TransportationCalifornia Department of TransportationU.S. Department of Energy
Mots-clésCurrent (fluid)SimulationEnvironmental scienceComputer scienceEngineeringElectrical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Presented is the current status of the Real-ESSI Simulator system [15].The Real-ESSI Simulator, is a system for high performance, time domain, linear and/or nonlinear/inelastic, deterministic or probabilistic, 3D, 2D or 1D, finite element modeling and simulation of earthquakes, and/or soils, and/or structures and their interaction (Real-ESSI)1 [16,15].Focus of the Real-ESSI endeavor is on development and use of methods and models that predict and inform rather than fit.Detailed information about the Real ESSI Simulator system is available on Real-ESSI web site: http://real-essi.info. REAL ESSI MODELINGThe Real ESSI Simulator design is guided by the need for accurate modeling of earthquakes, soils, structures and their interaction (ESSI).With that in mind, a number of models, that can be used to model ESSI problems with chosen, prescribed level of fidelity, is available within Real ESSI. Material Modeling.A number of elastic and inelastic material models are available.Elastic linear, nonlinear and micropolar models are available in 3D [7, 19, 5].Elastic-plastic material models for soil, rock and concrete are available as well [7,20,22,21,35,8].Contact, interface is modeled using gap open-close models that yield in shear as well [6,28,36].

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0080,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0530,027

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 Opus0,004
Tête enseignante GPT0,173
Écart entre enseignants0,169 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueNCSU Libraries Repository (North Carolina State University Libraries)Même sujetAdvanced Data Processing TechniquesTravaux en français237 207