MétaCan
Menu
Retour à la cohorte
Enregistrement W4405396905 · doi:10.23977/jeis.2024.090321

Design and Application of Experimental Data Management System Integrating Remote Monitoring and Historical Data Analysis

2024· article· en· W4405396905 sur OpenAlexaffvenue

Notice bibliographique

RevueJournal of Electronics and Information Science · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Computational Techniques and Applications
Établissements canadiensGovernment of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceData managementData scienceSystems engineeringEngineeringData mining

Résumé

récupéré en direct d'OpenAlex

In order to solve the problems of scattered data storage, difficult management and low data utilization in ship impact and explosion test, a test data management system integrating remote monitoring and historical data analysis is designed and implemented in this paper. The system adopts the hybrid architecture mode of B/S (browser/server) and C/S (client/server) to give full play to the advantages of the two architectures. VUE, ExtJS, Java, Python and other advanced technical frameworks and programming languages are applied in the system development process to ensure the high efficiency and flexibility of the system. The core function modules of the system include test task scheduling, data storage and management, data analysis, resource allocation, knowledge management and system maintenance. Through these modules, the system not only realizes the systematic management of the test data, but also supports the flexible expansion of the analysis algorithm to adapt to the ever-changing test requirements. The test results show that the system effectively solves the decentralized problem of data storage and management, and significantly improves the standardization and utilization efficiency of data management. The integration of remote monitoring function makes it possible to collect and process real-time data, and at the same time, to conduct in-depth analysis with historical data, which greatly improves the comprehensive application value of data. The implementation of this system has promoted the improvement of the management level of ship impact and explosion test data, and provided strong support for the research and application in related fields.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,039
Tête enseignante GPT0,337
Écart entre enseignants0,298 · 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
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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Electronics and Information ScienceMême sujetAdvanced Computational Techniques and ApplicationsTravaux en français237 207