MétaCan
Menu
Retour à la cohorte
Enregistrement W2094663018 · doi:10.1145/1024922.1024924

Abstract versus concrete computation on metric partial algebras

2004· article· en· W2094663018 sur OpenAlexaff
John V. Tucker, J. I. Zucker

Notice bibliographique

RevueACM Transactions on Computational Logic · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputability, Logic, AI Algorithms
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMathematicsNondeterministic algorithmComputationConverseEquivalence (formal languages)Discrete mathematicsCountable setModel of computationMetric (unit)Algebra over a fieldPure mathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

In the theory of computation on topological algebras there is a considerable gap between so-called abstract and concrete models of computation. In concrete models, unlike abstract models, the computations depend on the representation of the algebra. First, we show that with abstract models, one needs algebras with <i>partial operations</i>, and computable functions that are both <i>continuous</i> and <i>many-valued</i>. This many-valuedness is needed even to compute single-valued functions, and so <i>abstract models must be nondeterministic even to compute deterministic problems</i>. As an abstract model, we choose the "while"-array programming language, extended with a nondeterministic "countable choice" assignment, called the <i><b>WhileCC*</b></i> model. Using this, we introduce the concept of <i>approximable many-valued computation</i> on metric algebras. For our concrete model, we choose metric algebras with <i>effective representations</i>. We prove:(1) for any metric algebra <i>A</i> with an effective representation α, <i><b>WhileCC*</b></i> approximability implies computability in α, and (2) also the converse, under certain reasonable conditions on <i>A</i>. From (1) and (2) we derive an equivalence theorem between abstract and concrete computation on metric partial algebras. We give examples of algebras where this equivalence holds.

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)0,004
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0030,010
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,300
Écart entre enseignants0,250 · 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

Citations70
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM Transactions on Computational LogicMême sujetComputability, Logic, AI AlgorithmsTravaux en français237 207