MétaCan
Menu
Retour à la cohorte
Enregistrement W7100681886

and Applied Chemistry University of Toronto

2014· article· en· W7100681886 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueParallel Computing and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésToughnessFracture toughnessUltimate tensile strengthDelamination (geology)EnthusiasmFracture (geology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The hcture toughness of wood fibre reinforced polyethylene has been studied and several methods of improving this important property have been developed. A mechanistic hctun: model which incorporates the features of wood fibres and the fibrdmatrix interface was also developed. The modeling revealed that the key to enhancing the fncture toughness is to promote fibre pull-out during composiu: hcture. Bascd on the modeling, three novel techniques-proper fibre selection, fibrehnatrix interface modiication, and fibre alignment- wen: used to enhance the hcture toughness. The experimental alul~s confvmed the etrectiveness of thw three techniques. The fracture toughness of the composites was enhanced without sacrifcing other mechanical properties such as the tensile strength and modulus. Because the modifications suggested are less expensive than traditional methods, the modified WFRP producls an? commercially significant. Acknowledgments I would like to thank my supervisor. Prof. M. T. Kortschot, for hiis encouragement and guidance during the course of my studies. The insights and enthusiasm provided by Prof. J. J. Balatinecz have also contributed immeasurably to my understanding of wood fibre properties. Special thanks are extended to Prof. M. R. Piggotr for allowing the use of his laboratory facilities, and for the valuable discussions and suggestions about the fracture behavior of fibre composites. I would also like to thank Prof. S. Balke for his advice and suggestions.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,092

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,183
Écart entre enseignants0,178 · 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 tête enseignante, 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParallel Computing and Optimization TechniquesTravaux en français237 207