MétaCan
Menu
Retour à la cohorte
Enregistrement W1976466746 · doi:10.1080/01630563.2010.505227

Come Back to Lagrange. The<i>p</i>-Factor Analysis of Optimality Conditions

2010· article· en· W1976466746 sur OpenAlexfundno aff
Olga Brezhneva, А. А. Тretyakov

Notice bibliographique

RevueNumerical Functional Analysis and Optimization · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptimization and Variational Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMemorial University of NewfoundlandRussian Foundation for Basic Research
Mots-clésLagrange multiplierMathematicsDegenerate energy levelsBanach spaceConstraint algorithmOperator (biology)Mathematical optimizationOptimization problemMultiplier (economics)Applied mathematicsPoint (geometry)Mathematical analysisGeometry

Résumé

récupéré en direct d'OpenAlex

We consider necessary optimality conditions for optimization problems with equality constraints given in the operator form as F(x) = 0, where F is an operator between Banach spaces. The article addresses the case when the Lagrange multiplier λ0 associated with the objective function might be equal to zero. If the equality constraints are not regular at some point in the sense that the Fréchet derivative of F at is not onto, then the point is a degenerate solution of the classical Lagrange system of optimality conditions ℒ(x, λ0, λ) = 0, where is a solution of the optimization problem and is a corresponding generalized Lagrange multiplier. We derive new conditions that guarantee that is a locally unique solution of the Lagrange system. We also introduce a modified Lagrange system and prove that is its regular locally unique solution. In addition, we propose new conditions that guarantee that the point is an isolated local minimizer of the optimization problem. The modified Lagrange system introduced in this article can be used as a basis for constructing numerical methods for solving degenerate optimization problems. Our results are based on the construction of p-regularity and are illustrated by examples.

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)0,005
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: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,006
Communication savante0,0020,005
Science ouverte0,0010,002
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,013
Tête enseignante GPT0,247
Écart entre enseignants0,234 · 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

Citations5
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNumerical Functional Analysis and OptimizationMême sujetOptimization and Variational AnalysisTravaux en français237 207