The Effects of the Irregular Sample and Missing Data in Time Series Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Humanself-reporttimeseriesdataaretypicallymarkedbyirregularitiesin samplingrates;furthermore,theseirregularitiesaretypicallynaturaloutcomesofthedatagenerationprocess.Relativelylittlehasbeenpublished toassisttheanalysisofirregularlysampleddata.Wereporttheresultsof aseriesofcomputationalexperimentsonsyntheticdatasetsdesignedto assesstheutilityoftechniquesforhandlingirregulartimeseriesdata.The behaviorofaconservativequasiperiodic,adissipativechaotic,andaselforganizedcriticaldynamicsweresampledregularlyintime,andtheregular samplingwasdisruptedbydatapointremovalorbystochasticshiftsintime. Missingdatasegmentswerethenpatchedbymeansofsegmentconcatenation,bysegmentllingwithaveragedatavalues,orbylocalinterpolationin phasespace.Wecomparedresultsofnonlinearanalyticaltools,suchasautocorrelationsandcorrelationdimensions,usingcompleteandpatchedsets,as wellaspowerspectrawithLombperiodogramsofthedecimatedsets.Local interpolationinphasespacewasparticularlysuccessfulatpreservingkeyCONTENTSMethods ................................................................................................................ 137 Time Series Length ......................................................................................... 137 Dynamics ......................................................................................................... 138 Patching the Decimated Time Series ........................................................... 141 Time Series Analysis ...................................................................................... 142Results ................................................................................................................... 144 Effects of Missing Points and Temporal Inaccuracy ................................. 144 Correlation Dimension .................................................................................. 147Discussion ............................................................................................................ 153 Acknowledgments .............................................................................................. 155 References ............................................................................................................. 155featuresoftheoriginaldata,butrequiredpotentiallyimpracticalquantities ofintactdataasaprimer.Whiletheotherpatchingmethodsarenotlimited bytheneedforintactdata,theydistortresultsrelativetotheintactseries. Weconcludethatirregularlysampleddatasetswithasmuchas15%missing datacanpotentiallyberesampledorrepairedforanalysiswithtechniques that assume regular sampling without introducing substantial errors.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle