MétaCan
Menu
Retour à la cohorte
Enregistrement W4407555499 · doi:10.4236/ajcm.2025.151002

Random Oscillatory and Pulsatory Models in Elliptic Functions

2025· article· en· W4407555499 sur OpenAlexaff
Victor A. Miroshnikov

Notice bibliographique

RevueAmerican Journal of Computational Mathematics · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Mathematical Modeling in Engineering
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésMathematicsStatistical physicsPhysics

Résumé

récupéré en direct d'OpenAlex

To explore experimental quantization of stochastic chaos and exact wave turbulence in exponential oscillons, it is necessary to construct smooth random functions of time. In the current paper, we develop a new method of modeling stochastic variables described by a closed system of ordinary differential and algebraic equations. Primarily, oscillatory and pulsatory dynamic models produced by the first triplet of copolar elliptic functions are studied from the viewpoint of the Hamiltonian and Newtonian dynamics. Secondly, the Hamiltonian systems of the first triplet and the first triplet squared are meticulously investigated in the hyperbolic limit that results in oscillations and pulsations with rectangular and point pulses and a variable period. Thirdly, the relative Hamiltonian systems are used to develop two stochastic models of a random oscillatory cn-noise and a random pulsatory cn2-noise. Numerical experiments show that for the Bernoulli frequencies the random oscillatory cn-noise approaches a smooth random oscillatory variable with an unbounded period and the Gaussian probability distribution and the random pulsatory cn2-noise tends to a smooth random pulsatory variable with an unbounded period and the truncated Gaussian probability distribution as the number of elliptic modes approaches infinity.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,249
Écart entre enseignants0,239 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Computational MathematicsMême sujetAdvanced Mathematical Modeling in EngineeringTravaux en français237 207