MétaCan
Menu
Retour à la cohorte
Enregistrement W1599115183 · doi:10.20382/jocg.v7i1a1

Density of Range Capturing Hypergraphs

2014· preprint· en· W1599115183 sur OpenAlexvenueno aff
Maria Axenovich, Torsten Ueckerdt

Notice bibliographique

RevueJournal of Computational Geometry (Carleton University) · 2014
Typepreprint
Langueen
DomaineComputer Science
ThématiqueComputational Geometry and Mesh Generation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCombinatoricsHypergraphMathematicsGeneral positionVertex (graph theory)Regular polygonUpper and lower boundsHomothetic transformationConvex hullElement (criminal law)Integer (computer science)Discrete mathematicsGeometryGraphMathematical analysisComputer science

Résumé

récupéré en direct d'OpenAlex

$\newcommand{\cH}{\mathcal{H}}$For a finite set $X$ of points in the plane, a set $S$ in the plane, and a positive integer $k$, we say that a $k$-element subset $Y$ of $X$ is captured by $S$ if there is a homothetic copy $S'$ of $S$ such that $X\cap S' = Y$, i.e., $S'$ contains exactly $k$ elements from $X$. A $k$-uniform $S$-capturing hypergraph $\cH = \cH(X,S,k)$ has a vertex set $X$ and a hyperedge set consisting of all $k$-element subsets of $X$ captured by $S$. In case when $k=2$ and $S$ is convex these graphs are planar graphs, known as \emph{convex distance function Delaunay graphs}. In this paper we prove that for any $k\geq 2$, any $X$, and any convex compact set $S$, the number of hyperedges in $\cH(X,S,k)$ is at most $(2k-1)|X| - k^2 + 1 - \sum_{i=1}^{k-1}a_i$, where $a_i$ is the number of $i$-element subsets of $X$ that can be separated from the rest of $X$ with a straight line. In particular, this bound is independent of $S$ and indeed the bound is tight for all ``round'' sets $S$ and point sets $X$ in general position with respect to $S$. This refines a general result of Buzaglo, Pinchasi and Rote (2013) stating that every pseudodisc topological hypergraph with vertex set $X$ has $O(k^2|X|)$ hyperedges of size $k$ or less.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,208
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computational Geometry (Carleton University)Même sujetComputational Geometry and Mesh GenerationTravaux en français237 207