MétaCan
Menu
Retour à la cohorte
Enregistrement W2964012583 · doi:10.1515/ans-2017-0012

Sharp Constants and Optimizers for a Class of Caffarelli–Kohn–Nirenberg Inequalities

2017· article· en· W2964012583 sur OpenAlexaff
Nguyen Lam, Guozhen Lu

Notice bibliographique

RevueAdvanced Nonlinear Studies · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueNonlinear Partial Differential Equations
Établissements canadiensPacific Institute for the Mathematical SciencesUniversity of British Columbia
Organismes subventionnairesNational Science Foundation
Mots-clésMathematicsCombinatoricsPhysicsAnalytical Chemistry (journal)CrystallographyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, we use a suitable transform of quasi-conformal mapping type to investigate the sharp constants and optimizers for the following Caffarelli–Kohn–Nirenberg inequalities for a large class of parameters ( r , p , q , s , μ , σ ) {(r,p,q,s,\mu,\sigma)} and 0 ≤ a ≤ 1 {0\leq a\leq 1} : ( ∫ | u | r d ⁢ x | x | s ) 1 r ≤ C ( ∫ | ∇ u | p d ⁢ x | x | μ ) a p ( ∫ | u | q d ⁢ x | x | σ ) 1 - a q . \bigg{(}\int\lvert u|^{r}\frac{dx}{|x|^{s}}\bigg{)}^{\frac{1}{r}}\leq C\bigg{(% }\int\lvert\nabla u|^{p}\frac{dx}{\lvert x|^{\mu}}\bigg{)}^{\frac{a}{p}}\bigg{% (}\int\lvert u|^{q}\frac{dx}{\lvert x|^{\sigma}}\bigg{)}^{\frac{1-a}{q}}. We compute the best constants and the explicit forms of the extremal functions in numerous cases. When 0 < a < 1 {0 , we can de

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)0,015
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 enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,213
Tête enseignante GPT0,455
Écart entre enseignants0,242 · 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

Citations46
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Nonlinear StudiesMême sujetNonlinear Partial Differential EquationsTravaux en français237 207