Al modelar sistemas complejos, generalmente nos encontramos con las siguientes dificultades: parcialidad, gran cantidad de datos e incertidumbre en las conclusiones. Se puede decir que ninguno de los enfoques conocidos resuelve estas dificultades de manera perfecta, especialmente en los casos en los que esperamos emergencias en el sistema complejo. Lo más común es el , a veces reforzado por procedimientos estadísticos. El enfoque físico para modelar conduce a una descripción complicada de los fenómenos asociados con una geometría relativamente simple. Si asumimos emergencias en el sistema complejo, el enfoque físico no es apropiado en absoluto. En este artículo, aplicamos el enfoque de , que tiene propiedades opuestas: una descripción simple de los fenómenos asociados con una geometría más complicada (en nuestro caso pregeometría). No requiere tantos datos y los cálculos son simples. El precio pagado por la aparente simplicidad es una interpretación cualitativa de los resultados, que conlleva un tipo especial de inc
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Caracterización de la mesoestructura en 3D mediante XCT e modelado de elementos discretos (DE) basado en imágenes de patrones de falla en partículas de ganga de carbón (CGPs)
Artículo:
Enabling Fairness-Aware and Privacy-Preserving for Quality Evaluation in Vehicular Crowdsensing: Un enfoque descentralizado
Artículo:
Un marco de niebla ligero y consciente de la ubicación (LAFF) para la calidad de servicio en el paradigma del Internet de las cosas
Artículo:
RIPTE: Protección de la integridad en tiempo de ejecución basada en la confianza para dispositivos IoT
Artículo:
Control de costes y análisis de costes de proyectos de edificios inteligentes con Internet de las Cosas