Метод матричних d-дерев і його застосування до символьного аналізу лінійних параметричних кіл у частотній області
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
У даній роботі досягнуто скорочення часу розв’язування ССЛАР шляхом застосування одного з методів підсхем, а саме, топологічного методу d-дерев. Існуючий метод d-дерев використовується для кіл з постійними параметрами, тому у даній роботі пропонується його модифікація під назвою метод матричних d-дерев, який поширено на кола зі змінними параметрами. При цьому використовується поняття параметричної матричної моделі y = 1/r, g = 1/L,C змінних і постійних елементів параметричного кола. Метод d-дерев, як звичайний, так і матричний, забезпечують близьке до оптимального винесення подібних у сформованих виразах. Це призводить до суттєвого скорочення часу їх формування, зменшення необхідного об’єму пам’яті, та високої швидкодії символьного методу d-дерев в цілому. Результатом є суттєве розширення допустимих до аналізу кіл за їх складністю. Аналіз наведеного у роботі комп’ютерного експерименту параметричних ланцюгових кіл показав суттєве збільшення допустимої складності кіл із застосуванням методу матричних d-дерев, ніж за допомогою стандартних засобів MATLAB. Цей факт дозволяє суттєво розширити область застосувань ЧС-методу у задачах статистичних досліджень чи оптимізації електронних пристроїв, які моделюються лінійними параметричними колами.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,009 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
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.
score_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