Generación automática de mallas de tetraedros para objetos con superficie proyectable sobre caras de hexaedros
Bibliographic record
Abstract
Este trabajo avanza en un nuevo generador de mallas de tetraedros [l] que ha sido implementado \nen el código de elementos finitos adaptativos ALBERTA [2). El procedimiento es \nválido para dominios tridimensionales complejos cuya frontera puede ser proyectada sobre las \ncaras externas de una malla grosera de hexaedros. En el generador se combinan técnicas de \nrefinamiento/desrefinamiento local junto con métodos de optimización de mallas. La principal \nidea es la construcción de una secuencia de mallas refinando únicamente las caras de los \nmedros que después serán proyectadas sobre la superficie del objeto. El refinamiento local \nresultante se obtiene de modo que esta superficie sea razonablemente aproximada por una triangulación \nque actúe como soporte de una interpolación lineal a trozos. Para ello, el usuario \ndebe establecer la precisión deseada. Después, los nodos situados sobre las caras externas \nde la malla grosera de hexaedros son proyectados sobre la superficie del objeto y los nodos \ninleriores son recolocados usando criterios de proporcionalidad o tranformaciones que aproximen \nlas deformaciones producidas en los hexaedros después de esta proyección. Para eliminar \nposibles tetraedros invertidos y aumentar la calidad de la malla resultante, se puede emplear \nun algoritmo de suavizado de triangulaciones superficiales y/o un algoritmo de suavizado y \ndesenredo de tetraedros. Por último, se presentan varias aplicaciones que resaltan las caractrlslicas \ndel generador. Por otra parte, los autores agradecen la financiación del Ministerio \nde Educación y Ciencia del Gobierno de España y PEDER, proyectos: CGL2004-06171-C03- \n03/CLI y CGL2004-06171-C03-02/CLI.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".