MétaCan
Menu
Retour à la cohorte
Enregistrement W4229013505 · doi:10.3390/math10091554

A Dynamic Analysis for Probabilistic/Possibilistic Problems Model Reduction Analysis Using Special Functions

2022· article· en· W4229013505 sur OpenAlexaff
Hédi Hassis, Abir Jendoubi, Lioua Kolsi, Mohamed Omri

Notice bibliographique

RevueMathematics · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésProbabilistic logicProbabilistic analysis of algorithmsConstraint (computer-aided design)Computer scienceReliability (semiconductor)Uncertain dataReduction (mathematics)Probability distributionExtension (predicate logic)Mathematical optimizationMathematicsAlgorithmData miningStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Information and data in mechanics, as in many other scientific disciplines, can be certainly known with an error-safety coefficient (deterministic), random with a known probability distribution (probabilistic), or random known with an uncertainty factor in the information (possibilistic). When the information on the parameters is undermined, probabilistic/possibilistic mechanical techniques attempt to provide an estimate of the solution. For various mechanical problems involving probabilistic/possibility parameters, a constraint that must be met is sometimes added, as in the case of reliability analysis. In this paper, an approach for probabilistic/possibilistic dynamic analysis is introduced and validated. In addition, its extension for finite element structural analysis is presented.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil0,874

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,007
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,131
Tête enseignante GPT0,344
Écart entre enseignants0,213 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematicsMême sujetProbabilistic and Robust Engineering DesignTravaux en français237 207