MétaCan
Menu
Retour à la cohorte
Enregistrement W4411617992 · doi:10.51847/assraoks85

10.51847/AsSRAoKs85

2000· article· en· W4411617992 sur OpenAlexvenueno aff

Notice bibliographique

RevueTime to knit · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueInduction Heating and Inverter Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Electrical conductorComputer scienceMaterials scienceComposite materialArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In medium voltage electrical distribution networks, prevent the loss reduction is very important and certainly in line with this, system engineering issue and use of proper equipment, a good work has been done.Development of distribution systems result in higher system losses and poor voltage regulation.Consequently, an efficient and effective distribution system has become more urgent and important.Hence proper selection of conductors in the distribution system is important as it determines the current density and the resistance of the line.Evaluation aging conductors for losses and costs imposed in addition to the careful planning of technical and economic networks can be identified in the network design.This paper examines the use of different evolutionary algorithms, imperialist competitive algorithm (ICA) to optimal branch conductor Selection and Reconstruction In view of the aging conductors in planning radial distribution systems with the objective to minimize the overall cost of annual energy losses and depreciation on the cost of conductors in order to improve productivity.Simulations are carried out on 69-bus radial distribution network using ICA approaches in order to show the accuracy as well as the efficiency of the proposed solution technique.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0040,001
Charge utile insuffisante (le modèle a refusé de juger)0,9350,951

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 GPT0,156
Écart entre enseignants0,151 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTime to knitMême sujetInduction Heating and Inverter TechnologyTravaux en français237 207