Параметричні матричні моделі лінійних параметричних кіл і їх елементів у частотній області
Bibliographic record
Abstract
У статті запропоновано новий метод формування символьної системи лінійних алгебраїчних рівнянь (ССЛАР), що описує лінійне параметричне коло у частотній області. Невідомими у ній виступають коефіцієнти поліномів Фур’є, якими апроксимуються передавальні функції кола у символьному вигляді. Такі передавальні функції є хорошою основою для розв’язування задач багатоваріантного аналізу та оптимізації радіоелектронних пристроїв, що моделюються колами з змінними у часі параметрами. З зростанням складності параметричного кола порядок формованої ССЛАР зростає. Це вимагає додаткових витрат комп’ютерного часу не тільки для її розв’язування, але й для її формування. Пропонований метод суттєво зменшує час формування ССЛАР. Метод названо «методом параметричних матричних моделей» і полягає у тому, що елементи кола представляються деякими матрицями їх параметрів. Для опису кола обрано метод вузлових напруг, тому такі матриці це матриці провідності елементів кола, які (за звичними правилами для елементів кола з постійними параметрами) формують матрицю провідності ССЛАР параметричного кола в цілому. Наведено результати комп’ютерних експериментів.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.049 | 0.017 |
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".