ON PERMUTATION BINOMIALS OVER FINITE FIELDS
Notice bibliographique
Résumé
Abstract Let ${ \mathbb{F} }_{q} $ be the finite field of characteristic $p$ containing $q= {p}^{r} $ elements and $f(x)= a{x}^{n} + {x}^{m} $ , a binomial with coefficients in this field. If some conditions on the greatest common divisor of $n- m$ and $q- 1$ are satisfied then this polynomial does not permute the elements of the field. We prove in particular that if $f(x)= a{x}^{n} + {x}^{m} $ permutes ${ \mathbb{F} }_{p} $ , where $n\gt m\gt 0$ and $a\in { \mathbb{F} }_{p}^{\ast } $ , then $p- 1\leq (d- 1)d$ , where $d= \gcd (n- m, p- 1)$ , and that this bound of $p$ , in terms of $d$ only, is sharp. We show as well how to obtain in certain cases a permutation binomial over a subfield of ${ \mathbb{F} }_{q} $ from a permutation binomial over ${ \mathbb{F} }_{q} $ .
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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».