MétaCan
Menu
Retour à la cohorte
Enregistrement W36894426 · doi:10.3168/jds.2022-22573

PERANCANGAN DAN PEMBUATAN ROBOT TARI PENDET KRSI 2010 (HARDWARE PENGGERAK LEHER, MATA, DAN PINGGUL)

2010· dissertation· en· W36894426 sur OpenAlexaboutno aff
Dunan Nurul Furqon

Notice bibliographique

RevueJournal of Dairy Science · 2010
Typedissertation
Langueen
DomaineEngineering
ThématiqueEngineering and Technology Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPotentiometerMicrocontrollerRobotComputer scienceStepper motorDC motorSimulationMobile robotComputer hardwareElectrical engineeringEngineeringArtificial intelligenceMechanical engineeringVoltage

Résumé

récupéré en direct d'OpenAlex

Pendet robot is a human-shaped robot made for the final assignment. This robot is capable of doing the dance of Bali island that is home Pendet. Making Robots Pendet KRSI 2010 was conducted to where the right momentum for a national echo evoke the love and preservation of national culture. Robots designed to use DC motors as the driving, the minimum AT89S52 microcontroller as the control system, driver circuit and a position sensor (potentiometer). Programming language using the language C that serves as the driving robot program as a whole. Downloaded program on the minimum system that will read Microcontroller AT89S52 rotation angle changes potentiometer sensors on the neck, eyes and hips robot when the motor rotates to the left (CCW) and to the right (CW), then the sensor on the neck, eyes and hips, the robot will be information ADC value (poisi) on the potentiometer so that the microcontroller will command the motor driver to drive the DC motor in the neck, eyes and hips in accordance with the amount of value that you set up the ADC. Final project created to discuss matters pertaining to the hardware (electronic system) and the mechanics of the robot. KEYWORDS: Microcontroller AT89S52, DC Motors, Potentiometers, Driver, Language C, ADC, Electronics, Mechanics.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,233 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetEngineering and Technology InnovationsTravaux en français237 207