MétaCan
Menu
Retour à la cohorte
Enregistrement W1721217740 · doi:10.70930/tac/d5nq5dv8

Categories in Control

2015· preprint· en· W1721217740 sur OpenAlexvenueno aff
John C. Baez, Jason Erbele

Notice bibliographique

RevueTheory and applications of categories · 2015
Typepreprint
Langueen
DomaineComputer Science
ThématiqueLogic, programming, and type systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSymmetric monoidal categoryMathematicsTensor productVector spaceMonoidal categoryPure mathematicsFinite fieldHilbert spaceMorphismField (mathematics)Algebra over a fieldProduct (mathematics)Tensor fieldDiscrete mathematicsMathematical analysisGeometry

Résumé

récupéré en direct d'OpenAlex

Control theory uses 'signal-flow diagrams' to describe processes where realvalued functions of time are added, multiplied by scalars, differentiated and integrated, duplicated and deleted.These diagrams can be seen as string diagrams for the symmetric monoidal category FinVect k of finite-dimensional vector spaces over the field of rational functions k = R(s), where the variable s acts as differentiation and the monoidal structure is direct sum rather than the usual tensor product of vector spaces.For any field k we give a presentation of FinVect k in terms of the generators used in signalflow diagrams.A broader class of signal-flow diagrams also includes 'caps' and 'cups' to model feedback.We show these diagrams can be seen as string diagrams for the symmetric monoidal category FinRel k , where objects are still finite-dimensional vector spaces but the morphisms are linear relations.We also give a presentation for FinRel k .The relations say, among other things, that the 1-dimensional vector space k has two special commutative †-Frobenius structures, such that the multiplication and unit of either one and the comultiplication and counit of the other fit together to form a bimonoid.This sort of structure, but with tensor product replacing direct sum, is familiar from the 'ZX-calculus' obeyed by a finite-dimensional Hilbert space with two mutually unbiased bases.

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)0,002
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,011
Communication savante0,0070,008
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,017
Tête enseignante GPT0,260
Écart entre enseignants0,244 · 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
GenreMéthodes

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

En bref

Citations23
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheory and applications of categoriesMême sujetLogic, programming, and type systemsTravaux en français237 207