MétaCan
Menu
Retour à la cohorte
Enregistrement W2329498028 · doi:10.3934/dcdsb.2008.10.997

A generalized projective dynamic for solving extreme and interior eigenvalue problems

2008· article· en· W2329498028 sur OpenAlexaff
Lei-Hong Zhang, Li‐Zhi Liao

Notice bibliographique

RevueDiscrete and Continuous Dynamical Systems - B · 2008
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Optimization Algorithms Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésRayleigh quotientEigenvalues and eigenvectorsUnit sphereMathematicsPencil (optics)Applied mathematicsProjective testBall (mathematics)Mathematical optimizationMathematical analysisPure mathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

In [18] (Golub and Liao), a continuous-time system which is based on the projective dynamic is proposed to solve some concave optimization problems (with the unit ball constraint) resulted from extreme and interior eigenvalue problems. The convergence inside the unit ball is established; however, neither further convergence result outside the unit ball nor the stability analysis is available. Moreover, preliminary numerical experience indicates that this method is sensitive to a parameter whose optimal value is still difficult to determine. After analyzing the stability of this dynamic, in this paper, we develop a generalized model and analyze the convergence of the new model both inside and outside the unit ball. The flow of the generalized model is proved to converge almost globally to some eigenvector corresponding to the smallest eigenvalue, and share many surprisingly analogous properties with the Rayleigh quotient gradient flow. Links of our generalized projective dynamical system with other related works are also discussed. The efficiency of our new model is both addressed in theory and verified in numerical testing.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,052
Tête enseignante GPT0,320
Écart entre enseignants0,268 · 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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscrete and Continuous Dynamical Systems - BMême sujetAdvanced Optimization Algorithms ResearchTravaux en français237 207