MétaCan
Menu
Retour à la cohorte
Enregistrement W1538797647 · doi:10.1090/memo/1155

An Inverse Spectral Problem Related to the Geng–Xue Two-Component Peakon Equation

2016· article· en· W1538797647 sur OpenAlexfundno aff

Notice bibliographique

RevueMemoirs of the American Mathematical Society · 2016
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematical functions and polynomials
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiorthogonal systemPeakonInverseInverse problemGeneralizationBoundary value problemInitial value problemInverse scattering problemType (biology)Cauchy distribution

Résumé

récupéré en direct d'OpenAlex

We solve a spectral and an inverse spectral problem arising in the computation of peakon solutions to the two-component PDE derived by Geng and Xue as a generalization of the Novikov and Degasperis–Procesi equations. Like the spectral problems for those equations, this one is of a ‘discrete cubic string’ type – a nonselfadjoint generalization of a classical inhomogeneous string – but presents some interesting novel features: there are two Lax pairs, both of which contribute to the correct complete spectral data, and the solution to the inverse problem can be expressed using quantities related to Cauchy biorthogonal polynomials with two different spectral measures. The latter extends the range of previous applications of Cauchy biorthogonal polynomials to peakons, which featured either two identical, or two closely related, measures. The method used to solve the spectral problem hinges on the hidden presence of oscillatory kernels of Gantmacher–Krein type implying that the spectrum of the boundary value problem is positive and simple. The inverse spectral problem is solved by a method which generalizes, to a nonselfadjoint case, M. G. Krein’s solution of the inverse problem for the Stieltjes string.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,030
Tête enseignante GPT0,301
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMemoirs of the American Mathematical SocietyMême sujetMathematical functions and polynomialsTravaux en français237 207