MétaCan
Menu
Retour à la cohorte
Enregistrement W4393013177 · doi:10.51955/2312-1327_2023_4_78

APPROACHES TO DESIGN AND PRACTICE OF UNMANNED AERIAL VEHICLES OF THE AIRPLANE TYPE

2023· article· en· W4393013177 sur OpenAlexaff
Sergey V. Skorobogatov, Dmitry A. Buturov

Notice bibliographique

RevueCrede Experto Transport Society Education Language · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAerospace Engineering and Control Systems
Établissements canadiensBoeing (Canada)
Organismes subventionnairesnon disponible
Mots-clésAirframeAirplaneAviationDroneContext (archaeology)AeronauticsProcess (computing)Computer scienceSystems engineeringAerodynamicsMilitary aviationEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Nowadays unmanned aviation has found wide application in many fields of human activity. Over the last two decades, such technology has moved from the category of military or experimental exotics to something applied and ubiquitous. Occupying more and more new spheres, unmanned aerial vehicles (UAVs) get all the new functions. For their implementation the designers often take quite bold decisions, which are rare in the «big» manned aviation. The article examines the current state of the civilian airplane-type UAVs industry in terms of their design features, as well as the specifics of their application in various sectors of the economy. The authors analyse the principles underlying the choice of this or that aerodynamic scheme of a UAVs on the process of its design. In the context of possible UAVs application scenarios the advantages and disadvantages as well as limitations of a particular UAVs airframe layout, applied engine unit and construction materials are under consideration. Based on a summary of the parameters analysed, it stands out a number of classification features, which can be used as a basis for a comprehensive classification of a wide range of unmanned civil aviation.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,007
Communication savante0,0080,004
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
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 Opus0,036
Tête enseignante GPT0,241
Écart entre enseignants0,205 · 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
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrede Experto Transport Society Education LanguageMême sujetAerospace Engineering and Control SystemsTravaux en français237 207