Аналіз складних лінійних параметричних кіл методом приведених матричних D-дерев
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
У статті запропоновано метод приведених матричних D-дерев, який є вдосконаленням методу матричних d-дерев. Цей метод є подальшим розвитком застосування до символьного аналізу лінійних кіл з постійними параметрами одного з методів підсхем, так званого методу d-дерев. Метод приведених матричних D-дерев, як і метод d-дерев, забезпечує суттєве скорочення необхідного комп’ютерного часу моделювання кіл, який має математичний зміст, що полягає у винесенні подібних у формованих складних символьних виразах. Оскільки у таких виразах символьних доданків є суть багато, то за рахунок такого винесення й відбувається дане скорочення часу. Метод ілюстровано за допомогою моделі довгої лінії, що складається з каскадного з’єднання великої кількості елементарних ланок. Наведено результати комп’ютерного моделювання.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.004 | 0.004 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.005 | 0.002 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 0.031 |
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 it