Numerical methods for box-constrained integer least squares problems
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
Les problèmes de moindres carrés en nombres entiers apparaissent dans plusieurs domaines, dont les télécommunications, la conception de grilles, et la navigation par système de positionnement mondial. Malheureusement, ces problèmes sont de difficulté NP. Le but de cette thèse est de concevoir des algorithmes efficaces pour la résolution de problèmes de moindres carrés en nombres entiers, soit hyperdéterminés ou hypodéterminés, avec contraintes de boîtes. Les méthodes typiques pour résoudre ces problèmes contiennent deux stages: la réduction et la recherche. Pour les problèmes hyperdéterminés, nous proposons un nouvel algorithme de réduction et un algorithme de recherche modifié. Contrairement aux algorithmes existants, qui ne font que trier les colonnes de la matrice génératrice de grille, notre nouvel algorithme de réduction utilise aussi la transformation de Gauss durant le tri. Nos simulations démontrent que notre nouvelle méthode rend le processus de recherche plus rapide. Pour les problèmes hypodéterminés, nous proposons trois nouveaux algorithmes: un algorithme récursif généralisé de décodage par sphère (GDS), un algorithme de régularization partielle (RP), et un algorithme de recherche arborescente (RA). L'algorithme GDS partitionne les solutions réalisables récursvivement en plusieurs ensembles ordonnés et disjoints. L'algorithme RP transforme le problème hypodéterminé en un problème hyperdéterminé équivalent. Nous proposons des stratégies pour rendre cet algorithme plus efficace. L'algorithme RA utilise un processus de recherche en profondeur. Pour chacun de ces trois algorithmes, nous proposons plusieurs stratégies de réduction. Celles-ci peuvent réduire la complexité de l'algorithme de recherche correspondant. Nos simulations démontrent que l'algorithme GDS est habituellement plus rapide que les algorithmes existants, que l'algorithme RP est le plus rapide pour les problèmes peu hypodétermin
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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