Caractérisation microstructurale et mécanique d’aciers à haute résistance sujets à la galvanisation continue
Bibliographic record
Abstract
Je voudrais remercier le GAP (Galvanized Autobody Partnership), le CRSNG et Polytechnique Montréal qui ont rendu le projet possible et qui l'ont financé.J'adresse aussi mes remerciements aux membres du jury d'avoir accepté de lire ce mémoire et pour leurs commentaires qui ont permis l'amélioration de ce travail.Je voudrais remercier la Professeur Myriam Brochu pour son temps, ses conseils précieux et sa patience tout au long du projet.Je voudrais aussi remercier le Professeur Kyle Daun pour son enthousiasme, ses encouragements et ses corrections de mon anglais hésitant; Michel Dubois pour le partage de ses connaissances et ses réponses tout au long du projet; John Thomson grâce à qui tous les traitements thermiques du projet se sont bien déroulés à McMaster University; Josée Laviolette pour le soutien technique au laboratoire de métallurgie et pour les discussions permettant de faire passer la frustration d'un polissage ou une attaque ratés.Je voudrais remercier tout spécialement Nihad Ben Salah pour ses encouragements à débuter la maîtrise, pour ses cours express et moins express en métallurgie et pour ses réponses précises à mes questions imprécises.Je voudrais remercier ma famille pour le soutien; les encouragements en toutes circonstances et sous format varié.Un GIGANTESQUE merci à mon père pour les discussions, ses conseils et ses corrections en direct, à distance, dans un bureau, sur un traversier, pour le fond comme pour la forme.Ce projet est un travail d'équipe et il ne se serait pas aussi bien déroulé sans Quentin Somveille qui a aidé à avancer dans la compréhension et avec qui la conférence et le voyage au Japon s'est très bien passée.Les trois années à l'université se sont déroulés grâce à la bonne ambiance du bureau, merci Cécile, Jihane, Meyssam, Paul, Quentin, Reza et Simon, et aux midis partagés avec Martin.IV
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".