Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Reproducibility package for: Material-grouped validation of machine-learning surrogates for fibre-reinforced polymer composites with implications for additive manufacturing and AI-assisted design

Identification

Clé publique
radar:r-2bb59b7cfe290adae381f4aee0a79f53
Auteurs
Byron Oviedo
Année déclarée
2026
Langue déclarée
en
Type source
dataset
Première détection
2026-11-14T01:59:49.873703+00:00
Dernière observation des métadonnées
2026-11-14T01:59:49.873703+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

Universidad Técnica Estatal de Quevedo

Pays d’affiliation déclarés

EC

Résumé documentaire — langue originale

This package accompanies "Material-grouped validation of machine-learning surrogates for fibre-reinforced polymer composites with implications for additive manufacturing and AI-assisted design" (B. W. Oviedo-Bayas, *Discover Composites*, revised submission). ## Contents - `supp_reproduce_all.py` is the single analysis script. It produces every number, table and figure in the manuscript and in the Supplementary Information.- `results/results.json` holds all computed metrics. The manuscript text and tables are filled from this file.- `results/run_metadata.json` records the package versions, random seeds and run settings.- `results/table_S1_configurations.csv` is Supplementary Table S1, listing the 28 material configurations.- `results/holdouts.csv` gives the metrics for each of the 150 group hold-outs.- `results/fig_*.png` are Figures 1–6. ## How to run 1. Download `data.xlsx` from https://github.com/catauggie/TPCM (Berladir et al., *Polymers* 2025, 17, 694).2. Install the packages: `pip install pandas numpy scikit-learn openpyxl matplotlib quantile-forest`. The published numbers used Python 3.13.16, NumPy 2.5.3, pandas 3.0.5, scikit-learn 1.9.1, quantile-forest 1.4.2 and Matplotlib 3.11.2.3. Run `python supp_reproduce_all.py --data data.xlsx --out results`. A full run takes about 35 minutes on two CPU cores. Add `--fast` for a quick smoke test with fewer repeats and trees. ## Determinism Every random operation is seeded (see Table 1 of the manuscript and `run_metadata.json`). The grouped partitions come from a seeded permutation of configuration labels (NumPy PCG64), not from scikit-learn's `GroupKFold`, whose fold assignment has changed between releases. The primary protocol, leave-one-configuration-out, uses no random partition at all.

Identifiants

OPENALEX
https://openalex.org/W7221810611
DOI
10.5281/zenodo.23373191

Repères documentaires

Famille documentaire
dataset
Types déclarés par les sources
dataset

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

OpenAlex · Document 1

Citer cette référence

Byron Oviedo. Reproducibility package for: Material-grouped validation of machine-learning surrogates for fibre-reinforced polymer composites with implications for additive manufacturing and AI-assisted design. 2026. https://doi.org/10.5281/zenodo.23373191

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Byron Oviedo. (2026). Reproducibility package for: Material-grouped validation of machine-learning surrogates for fibre-reinforced polymer composites with implications for additive manufacturing and AI-assisted design. https://doi.org/10.5281/zenodo.23373191
Chicago
Byron Oviedo. Reproducibility package for: Material-grouped validation of machine-learning surrogates for fibre-reinforced polymer composites with implications for additive manufacturing and AI-assisted design. 2026. https://doi.org/10.5281/zenodo.23373191
ISO 690
Byron Oviedo. Reproducibility package for: Material-grouped validation of machine-learning surrogates for fibre-reinforced polymer composites with implications for additive manufacturing and AI-assisted design. 2026. https://doi.org/10.5281/zenodo.23373191

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Reproducibility package for: Material-grouped validation of machine-learning surrogates for fibre-reinforced polymer composites with implications for additive manufacturing and AI-assisted design. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-2bb59b7cfe290adae381f4aee0a79f53/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.5281/zenodo.23373191

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature