MétaCan
Menu
Retour à la cohorte
Enregistrement W2963315653 · doi:10.1080/23311835.2017.1309769

Erdélyi-Kober fractional integral operators from a statistical perspective -II

2017· article· en· W2963315653 sur OpenAlexaff
A. M. Mathai, H. J. Haubold

Notice bibliographique

RevueCogent Mathematics · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueFractional Differential Equations Solutions
Établissements canadiensMcGill University
Organismes subventionnairesDepartment of Science and Technology, Government of Kerala
Mots-clésMathematicsRandom variateScalar (mathematics)Matrix (chemical analysis)Random variableProduct (mathematics)Random matrixOperator (biology)Hypergeometric functionPure mathematicsProbability density functionVariable (mathematics)Mathematical analysisApplied mathematicsStatisticsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

In this paper we examine the densities of a product and a ratio of two real positive definite matrix-variate random variables X1 and X2, which are statistically independently distributed, and we consider the density of the product U1=X212X1X212 as well as the density of the ratio U2=X212X1-1X212. We define matrix-variate Kober fractional integral operators of the first and second kinds from a statistical perspective, making use of the derivation in the predecessor of this paper for the scalar variable case, by deriving the densities of product cand ratios where one variable has a matrix-variate type-1 beta density and the other matrix variable has an arbitrary density, in the sense, any real-valued scalar function f(X) of matrix argument X, such that f(X) is non-negative for all X and the total integral over all X, on the support of f(X), is unity. A number of generalizations are considered, by using pathway models, by appending matrix variate hypergeometric series etc. During this process matrix-variate Saigo operator and other operators are also defined and properties studied.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,004
Communication savante0,0030,006
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,101
Tête enseignante GPT0,393
Écart entre enseignants0,292 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCogent MathematicsMême sujetFractional Differential Equations SolutionsTravaux en français237 207