MétaCan
Menu
Retour à la cohorte
Enregistrement W2131570268 · doi:10.1080/10556780701374633

Limiting behavior of the Alizadeh–Haeberly–Overton weighted paths in semidefinite programming

2007· article· en· W2131570268 sur OpenAlexaff
Zhaosong Lu, Renato D. C. Monteiro

Notice bibliographique

RevueOptimization methods & software · 2007
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Optimization Algorithms Research
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSemidefinite programmingMathematicsInterior point methodSemidefinite embeddingPath (computing)Quadratically constrained quadratic programPositive-definite matrixLinear programmingMatrix (chemical analysis)Limit pointMathematical optimizationLimitingApplied mathematicsCombinatoricsQuadratic programmingMathematical analysisComputer scienceEigenvalues and eigenvectors

Résumé

récupéré en direct d'OpenAlex

This paper studies the limiting behavior of weighted infeasible central paths for semidefinite programming obtained from centrality equations of the form X S+SX=2 ν W, where W is a fixed positive definite matrix and ν>0 is a parameter, under the assumption that the problem has a strictly complementary primal–dual optimal solution. We present a different and simpler proof than the one given by Preiß and Stoer [Preiß, M. and Stoer, J., 2004, Analysis of infeasible-interior-point paths arising with semidefinite linear complementarity problems. Mathematical Programming 99, 499–520.] that a weighted central path as a function of ν can be extended analytically beyond 0. In addition, the characterization of the limit points of the path and its normalized first-order derivatives is also provided. We also derive an error bound on the distance between a point lying in a certain neighborhood of the central path and the set of primal–dual optimal solutions. Finally, we make some observation for the superlinear convergence of some primal–dual interior point SDP algorithms using AHO neighborhood.

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)0,004
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,060
Tête enseignante GPT0,421
Écart entre enseignants0,360 · 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

Citations17
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptimization methods & softwareMême sujetAdvanced Optimization Algorithms ResearchTravaux en français237 207