MétaCan
Menu
Retour à la cohorte
Enregistrement W4319840215 · doi:10.1177/00375497221141463

DP in ice environments—development of a dynamic positioning in ice validation platform (DPIVP)

2023· article· en· W4319840215 sur OpenAlexaff
Jason Mills, Mohammed Islam, Wayne Pearson, Bob Gash

Notice bibliographique

RevueSIMULATION · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Geometry and Mesh Generation
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésImplementationComputer scienceModular designUnit testingSoftwareComponent (thermodynamics)Integration testingModularity (biology)Systems engineeringSimulationSoftware engineeringEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

This paper presents the development of a dynamic positioning in ice validation platform (DPIVP) which is part of a larger research project aimed at developing dynamic positioning (DP) system technologies for ice-rich environments. One outcome is simulation software to aid research in this area. The DPIVP software was designed to realistically simulate the dynamics of ice-structure interactions for real-time applications and to validate components common to DP in ice simulations. The software consists of many components which the DPIVP ties together as a unified system. All components have well-defined interfaces. Many of them are also distributed, allowing execution on separate computers and/or CPUs which helps ensure real-time operation. These two characteristics also decreases coupling and encourages a more modular design with the benefit of easily substituting alternative component implementations without reprogramming the DPIVP. Alternate implementations are useful for conducting research in specific DP in ice areas without substantially changing the system, such as alternative ice force models, DP control algorithms, vessel models, 3D and 2D visualization, environment models, and data acquisition systems. The integrated system was tested and evaluated using unit testing, integration testing, and system testing. The completed system was also validated using test cases that match physical model tests; the results compared favorably. Although the software has some limitations, for example, validated ice-force models being limited to two vessels, and thus lacks the generality we wish, the end result is a working prototype that satisfies the research requirements and provides an architecture and framework for future development.

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)0,004
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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,024
Tête enseignante GPT0,287
Écart entre enseignants0,263 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSIMULATIONMême sujetComputational Geometry and Mesh GenerationTravaux en français237 207