Estimation of Causal Functional Linear Regression Models
Notice bibliographique
Résumé
We present a methodology for estimating causal functional linear models using orthonormal tensor product expansions. More precisely, we estimate the functional parameters $\alpha$ and $\beta$ that appear in the causal functional linear regression model:$$\mathcal{Y}(s)=\alpha(s)+\int_a^b\beta(s,t)\mathcal{X}(t)\mathrm{d}t+\mathcal{E}(s),$$ where $\mbox{supp } \beta \subset \mathfrak{T},$ and $\mathfrak{T}$ is the closed triangular region whose vertexes are $(a,a) , (b,a)$ and $(b,b).$ We assume we have an independent sample $\{ (\mathcal{Y}_k,\mathcal{X}_k) : 1\le k \le N, k\in \mathbb{N}\}$ of observations where the $\mathcal{X}_k $'s are functional covariates, the $\mathcal{Y}_k$'s are time order preserving functional responses and $\mathcal{E}_k,$ $1\le k \le N,$ is i.i.d. zero mean functional noise.
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 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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».