MétaCan
Menu
Retour à la cohorte
Enregistrement W4200147538 · doi:10.1002/mma.7951

Distance distribution between two random points in arbitrary polygons

2021· article· en· W4200147538 sur OpenAlexafffund
Ross Pure, Salman Durrani, Fei Tong, Jianping Pan

Notice bibliographique

RevueMathematical Methods in the Applied Sciences · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Geometry and Mesh Generation
Établissements canadiensUniversity of Victoria
Organismes subventionnairesBritish Columbia Knowledge Development FundAustralian Research CouncilNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaCanada Foundation for Innovation
Mots-clésDisjoint setsMathematicsRegular polygonPolygon (computer graphics)Block (permutation group theory)Measure (data warehouse)Convex polygonDistribution (mathematics)Simple (philosophy)Function (biology)Mathematical optimizationComputer scienceDiscrete mathematicsMathematical analysisGeometryData mining

Résumé

récupéré en direct d'OpenAlex

Distance distributions are a key building block in many subfields in mathematics, science and engineering. In this paper, we propose a novel framework for analytically computing the closed form probability density function (PDF) of the distance between two random points each uniformly randomly distributed in respective arbitrary polygon regions. The proposed framework is based on measure theory and uses polar decomposition for simplifying and calculating the integrals to obtain closed form results. We validate our proposed framework by comparison with simulations and published closed form results in the literature for simple cases. We illustrate the versatility and advantage of the proposed framework by deriving closed form results for a case not yet reported in the literature. Finally, we also develop a Mathematica implementation of the proposed framework which allows a user to define any two arbitrary (concave or convex) polygons, with or without holes, which may be disjoint or overlap or coincide and determine the distance distribution numerically.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,059
Tête enseignante GPT0,394
Écart entre enseignants0,335 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMathematical Methods in the Applied SciencesMême sujetComputational Geometry and Mesh GenerationTravaux en français237 207