MétaCan
Menu
Retour à la cohorte
Enregistrement W7026158002

An accurate numerical algorithm based on the generalized Narayana polynomials to solve a class of Caputo-Fabrizio and Liouville-Caputo fractional-order delay differential equations

2024· article· en· W7026158002 sur OpenAlexaff

Notice bibliographique

RevueUniversity of Zagreb University Computing Centre (SRCE) · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésClass (philosophy)Delay differential equationDifferential equationStability (learning theory)Numerical stabilityNumerical analysisOrthogonal polynomialsDifferential (mechanical device)Algebra over a field
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A spectral collocation-based approximate algorithm is adapted for the numerical evaluation of a class of fractional-order delay differential equations.The involved fractional operators are defined as the Caputo-Fabrizio and Liouville-Caputo derivatives.A novel family of polynomials called Narayana polynomials and their generalization forms are utilized in our collocation procedure.We study the convergent analysis of the Narayana polynomials in a weighted L2 norm and obtain an upper bound for their series expansion form.The performance of the present matrix collocation is justified by solving three test examples using both fractional operators and various fractional orders.The outcomes are compared with two existing numerical approaches, i.e., the modified operational matrix method (MOMM) and the operational matrix of integration relied on Taylor bases (OMTB).A comparison study reveals that our results are more accurate than these two methods and thus the presented matrix algorithm is superior in terms of efficacy and applicability.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,223
Écart entre enseignants0,212 · 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

Citations3
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueUniversity of Zagreb University Computing Centre (SRCE)Même sujetSoftware Engineering Techniques and PracticesTravaux en français237 207