MétaCan
Menu
Retour à la cohorte
Enregistrement W4296826927 · doi:10.1017/s0269964822000316

Preservation properties of some reliability classes by lifetimes of coherent and mixed systems and their signatures

2022· article· en· W4296826927 sur OpenAlexaff
S. Izadkhah, Ebrahim Amini‐Seresht, N. Balakrishnan

Notice bibliographique

RevueProbability in the Engineering and Informational Sciences · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésIndependent and identically distributed random variablesComponent (thermodynamics)Reliability (semiconductor)Exponential functionClass (philosophy)Exponential distributionReliability theoryMathematicsApplied mathematicsStatistical physicsStatisticsComputer sciencePhysicsFailure rateRandom variableMathematical analysisQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

This paper examines the preservation of several aging classes of lifetime distributions in the formation of coherent and mixed systems with independent and identically distributed (i.i.d.) or identically distributed (i.d.) component lifetimes. The increasing mean inactivity time class and the decreasing mean time to failure class are developed for the lifetime of systems with possibly dependent and i.d. component lifetimes. The increasing likelihood ratio property is also discussed for the lifetime of a coherent system with i.i.d. component lifetimes. We present sufficient conditions satisfied by the signature of a coherent system with i.i.d. components with exponential distribution, under which the decreasing mean remaining lifetime, the increasing mean inactivity time, and the decreasing mean time to failure are all satisfied by the lifetime of the system. Illustrative examples are presented to support the established results.

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)0,003
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,045
Tête enseignante GPT0,264
Écart entre enseignants0,219 · 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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProbability in the Engineering and Informational SciencesMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207