MétaCan
Menu
Retour à la cohorte
Enregistrement W2620305207 · doi:10.1214/20-aihp1051

Long-time limits and occupation times for stable Fleming–Viot processes with decaying sampling rates

2020· article· fr· W2620305207 sur OpenAlexaff
Michael A. Kouritzin, Khoa Lê

Notice bibliographique

RevueAnnales de l Institut Henri Poincaré Probabilités et Statistiques · 2020
Typearticle
Languefr
DomaineMathematics
ThématiqueStochastic processes and statistical mechanics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesDivision of Mathematical Sciences
Mots-clésMathematicsStatistical physicsSampling (signal processing)Markov processScalingPopulationDistribution (mathematics)Markov chainClass (philosophy)Convergence (economics)Applied mathematicsStatisticsMathematical analysisComputer scienceGeometryPhysicsDemographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Dans cet article, nous introduisons et analysons une classe de processus de Fleming–Viot, avec taux d’échantillonnage décroissant et déplacement $\alpha$-stable, correspondant à des distributions de populations croissantes. Les théorèmes limites en temps long presque-sûr pour ces processus sont obtenus, répondant ainsi à la question de la distribution en temps long de la population dans le cas de populations croissantes. Les asymptotiques d’ordres supérieurs sont aussi obtenues. Les convergences des processus de temps d’occupation et d’habitation des particules sont considérées et reliées au moyen du processus historique. Les résultats et techniques autorisent des processus de Feller de déplacement/mutation généraux et peuvent s’appliquer à d’autres processus de Markov à valeurs mesures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,088
Tête enseignante GPT0,365
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de l Institut Henri Poincaré Probabilités et StatistiquesMême sujetStochastic processes and statistical mechanicsTravaux en français237 207