Research on structural surface feature refinement method based on fractal geometry in industrial design
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
Fractal geometry is an emerging discipline that has developed rapidly in recent decades, and its study of irregular geometric shapes can be used to describe objects in nature that cannot be described by traditional geometry, and it has a broad space for development and application prospects.In this paper, the theory of fractal geometry is applied to industrial design to realize the refinement and analysis of surface features.The study includes an in-depth analysis of the theory of fractal geometry, the Koch curve as an example to illustrate the principle of fractal geometry.The study also investigates different dimension calculation methods, such as Hausdorff dimension, box dimension, correlation dimension, information dimension, generalized dimension, and self-similarity dimension of fractal geometry, and proposes a dimension calculation method for the refinement of structural surface features for industrial design.After the fractal geometry surface feature refinement simulation analysis, the porosity of the fractal map based on this paper's method ranges from 16% to 38%, and the comparison with the Serpinski method proves that the presently selected fractal model is more effective in the refinement of structural surface features for industrial design.As shown by the surface feature simulation results, there is indeed a certain degree of similarity between the roughness topography of the real structural surface of the two surface processing methods in industrial design and the roughness topography simulated by the fractal function.The above study proves that the method of refining the structural surface features of industrial design based on fractal geometry in this paper is scientific and feasible.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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