MétaCan
Menu
Retour à la cohorte
Enregistrement W2555585814

Space-Efficient Generation of Nonisomorphic Maps and Hypermaps

2015· article· en· W2555585814 sur OpenAlexaff
Timothy R. Walsh

Notice bibliographique

RevueJ. Integer Seq. · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDNA and Biological Computing
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésBipartite graphOrientation (vector space)Isomorphism (crystallography)BijectionCombinatoricsVertex (graph theory)MathematicsCode (set theory)Coding (social sciences)Computer scienceGeometryGraph
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In 1979, while working as a senior researcher in the Computing Centre of the USSR Academy of Sciences in Moscow, I used Lehman’s code for rooted maps of any orientable genus to generate these maps. By imposing an order on the code-words and keeping only those that are maximal over all the words that code the same map with each semi-edge chosen as the root, I generated these maps up to orientation-preserving isomorphism, and by comparing each of them with the code-words for the map obtained by reversing the orientation, I generated these maps up to a generalized isomorphism that could be orientation-preserving or orientation-reversing. The limitations on the speed of the computer I was using and the time allowed for a run restricted me to generating these maps with up to only six edges. In 2011, by optimizing the algorithms and using a more powerful computer and more CPU time I was able to generate these maps with up to eleven edges. An average-case time-complexity analysis of the generation algorithms is included in this article. And now, by using a genus-preserving bijection between hypermaps and bicoloured bipartite maps that I discovered in 1975 and the condition on the word coding a rooted map for the map to be bipartite, I generated hypermaps, both rooted and unrooted, with up to twelve darts (edge-vertex incidence pairs).

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,051
Tête enseignante GPT0,258
Écart entre enseignants0,208 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJ. Integer Seq.Même sujetDNA and Biological ComputingTravaux en français237 207