MétaCan
Menu
Retour à la cohorte
Enregistrement W4281673877 · doi:10.1016/j.padiff.2022.100398

Interplay of resource mappings and evolutionary diffusion: Competitive exclusion and coexistence analysis

2022· article· en· W4281673877 sur OpenAlexaff
Md. Kamrujjaman, Ishrat Zahan, Kamrun Nahar Keya, Md. Nazmul Hassan

Notice bibliographique

RevuePartial Differential Equations in Applied Mathematics · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMinistry of Science and Technology, Government of the People’s Republic of BangladeshOhio State University
Mots-clésBiological dispersalPopulationStatistical physicsBounded functionHomogeneousDiffusionExtinction (optical mineralogy)Resource (disambiguation)EcologyMathematicsPhysicsBiologyComputer scienceMathematical analysisThermodynamics

Résumé

récupéré en direct d'OpenAlex

We study a directed dynamical reaction–diffusion model with no-flux boundary conditions where two populations interact in a spatial heterogeneous closed environment state. Both populations growths are proportional to the same growth law, but the dispersal policies with the migration coefficients differ. The population is diffusing according to their resource functions, and the carrying capacity is bounded in a heterogeneous habitat. This paper’s main results are: if the dispersion functions are non-proportional, then the coexistence is not possible unless the whole environment is homogeneous; and in case of proportionality, the species shows similar behavior. The coexistence is possible if the resource phase and the distribution function of a second organism are identical and non-constant. A few numerical examples verify that the extinction of one species by the other and the coexistence are visible in a non-homogeneous environment.

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)0,004
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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
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 Opus0,010
Tête enseignante GPT0,256
Écart entre enseignants0,246 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePartial Differential Equations in Applied MathematicsMême sujetEvolution and Genetic DynamicsTravaux en français237 207