MétaCan
Menu
Retour à la cohorte
Enregistrement W4402263651 · doi:10.23919/acc60939.2024.10644446

Time-Aware Non-Uniform Rational Basis Spline (T-NURBS)

2024· article· en· W4402263651 sur OpenAlexaff
Yazan M. Al-Rawashdeh, Marcel Heertjes, Mohammad Al Janaideh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Analysis Techniques
Établissements canadiensUniversity of GuelphMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSpline (mechanical)Computer scienceBasis (linear algebra)AlgorithmMathematicsGeometryEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Explicitly adopting time as a parameter, the defi-nition of non-uniform rational basis spline profile known short as NURBS is revisited and updated. This results in another NURBS definition that is aware of time, and not only the geometry. Also, it can jointly exist as-is at the CAD-CAM side, and at the motion numeric controller side without resorting to segmentation, curve fitting, and interpolation techniques usually used when extracting motion information from the standard geometric NURBS profiles. This gives rise to the notion of “what you see is what you get” when the proposed NURBS definition is used. First, working at the jerk signal level and by using quadratic polynomials with time as the independent variable, quintic polynomials are obtained at the position level and are smoothly glued together to form the needed basis functions that facilitate introducing time-aware splines. Similarly, the trigonometric sine function is used to define another set of time-aware basis functions. Second, and as with standard NURBS, the herein-defined time-aware splines are extended and put into the rational polynomial form such that the proposed time-aware NURBS structure is revealed. Despite being normalized, the time signature used to define the basis functions persists once velocity, acceleration, and jerk profiles are obtained. At the level of the coefficient, these kinematical quantities are neatly written using vector notation that- with the aid of a developed algorithm- reduces the computation burden at the motion numeric controller side during real-time execution. This results in a smooth motion with reduced feed rate variation while adhering to any imposed kinematical constraints. The usefulness, and simplicity of the proposed approach is mainly demonstrated through numeric simulation where the proposed concept of “what you see is what you get” is verified.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,236
Écart entre enseignants0,231 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Numerical Analysis TechniquesTravaux en français237 207