MétaCan
Menu
Retour à la cohorte
Enregistrement W4311356574 · doi:10.18280/mmep.090525

Applications of Numerical Integrations on the Trapezoidal and Simpson's Methods to Analytical and MATLAB Solutions

2022· article· en· W4311356574 sur OpenAlexvenueno aff
Ali Jalal Ali, Ali Fahem Abbas

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueNumerical methods for differential equations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNumerical analysisMATLABComputer scienceNumerical stabilityDifferential equationNumerical differentiationStability (learning theory)Numerical integrationNumerical methods for ordinary differential equationsCLARITYAlgorithmApplied mathematicsMathematicsDifferential algebraic equationOrdinary differential equationMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Applied mathematics has become widely used among the computer engineering community and various sciences. Not only that, but accuracy and speed are now required. Numerical methods have been submitted to demonstrate the efficiency and accuracy of these methods by assigning them to a computer that previously been corrected in computer formats. This key feature makes the solution perfect and easy to used Simpson 1/3 and Simpson 3/8 are applied to the proposed equation. A trapezoidal method of fractional differential equations, solved using different numerical methods to demonstrate the accuracy of properties, was used. We dealt with many numerical algorithms. Below are decisions with written and unwritten differential equations. Generate error analysis and stability analysis for a high-resolution digital system. Research objectives: Turns out numerical solutions are very accurate near the exact solution. This paper aims to provide numerical calculations for different methods. The graph is compared with the computer literary graphs for clarity. Effectiveness of numerical algorithms used with exact solutions and profitable MATLAB solutions.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,089
Tête enseignante GPT0,334
Écart entre enseignants0,245 · 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'étudeSans objet
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetNumerical methods for differential equationsTravaux en français237 207