MétaCan
Menu
Retour à la cohorte
Enregistrement W4200367101 · doi:10.18280/ijsse.110612

A Convergent Approach to the Viability of the Dynamical Systems: The Cognitive Value of Complexity

2021· article· en· W4200367101 sur OpenAlexvenueno aff
Oleg Illiashenko, Valeriy Mygal, Galyna Mygal, Olga Protasenko

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Science and Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVisual analyticsReliability (semiconductor)Probabilistic logicVisualizationComplex systemSet (abstract data type)AnalyticsCognitionData miningStability (learning theory)Data sciencePredictive analyticsTheoretical computer scienceMachine learningDistributed computingArtificial intelligenceHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

The integration of information and industrial technologies, digitalization and differentiation of sciences are accompanied by an increase in various types of complexity. This limits the capabilities of computer modelling, data mining, and predictive analytics. The increasing cognitive complexity of information flows and their diversity creates problems of safety, reliability and stability of the functioning of a complex dynamic system in extreme conditions. Here we show the possibility of cognitive visualization of signals of different nature through their geometrization in the form of a topological 3D model of functioning. Its projections are spatio-temporal signatures, the configurations of which reflect the dynamic, energetic and structural features of the model. An increase in the number of components of the signature configuration and its area under external influence indicates an increase in structural and functional complexity. Therefore, the signal structure can be analyzed in real time using complementary probabilistic and deterministic methods. A set of tools for the synthesis and analysis of 3D models has innovative potential for monitoring the functioning of elements of complex dynamic systems, risk management and predictive analytics.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,014
Communication savante0,0050,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,222 · 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'étudeThéorique ou conceptuel
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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetCognitive Science and MappingTravaux en français237 207