Treasure Trove at Banacha. Set Patterns in Descriptive Proximity Spaces
Notice bibliographique
Résumé
This paper introduces descriptive set patterns that originated from our visits with Zdzisław Pawlak and Andrzej Skowron at Banacha and environs in Warsaw. This paper also celebrates the generosity and caring manner of Andrzej Skowron, who made our visits to Warsaw memorable events. The inspiration for the recent discovery of descriptive set patterns can be traced back to our meetings at Banacha. Descriptive set patterns are collections of near sets that arise rather naturally in the context of an extension of Solomon Leader's uniform topology, which serves as a base topology for compact Hausdorff spaces that are proximity spaces. The particular form of proximity space (called EF-proximity) reported here is an extension of the proximity space introduced by V. Efremovič during the first half of the 1930s. Proximally continuous functions introduced by Yu.V. Smirnov in 1952 lead to pattern generation of comparable set patterns. Set patterns themselves were first considered by T. Pavlidis in 1968 and led to U. Grenander's introduction of pattern generators during the 1990s. This article considers descriptive set patterns in EF-proximity spaces and their application in digital image classification. Images belong to the same class, provided each image in the class contains set patterns that resemble each other. Image classification then reduces to determining if a set pattern in a test image is near a set pattern in a query image.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».