Poisson-process limit laws yield Gumbel max-min and min-max
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
"A chain is only as strong as its weakest link" says the proverb. But what about a collection of statistically identical chains: How long till all chains fail? The answer to this question is given by the max-min of a matrix whose (i,j) entry is the failure time of link j of chain i: take the minimum of each row, and then the maximum of the rows' minima. The corresponding min-max is obtained by taking the maximum of each column, and then the minimum of the columns' maxima. The min-max applies to the storage of critical data. Indeed, consider multiple backup copies of a set of critical data items, and consider the (i,j) matrix entry to be the time at which item j on copy i is lost; then, the min-max is the time at which the first critical data item is lost. In this paper we address random matrices whose entries are independent and identically distributed random variables. We establish Poisson-process limit laws for the row's minima and for the columns' maxima. Then, we further establish Gumbel limit laws for the max-min and for the min-max. The limit laws hold whenever the entries' distribution has a density, and yield highly applicable approximation tools and design tools for the max-min and min-max of large random matrices. A brief of the results presented herein is given in: Gumbel central limit theorem for max-min and min-max [Eliazar, Metzler, and Reuveni, Phys. Rev. E 100, 020104 (2019)10.1103/PhysRevE.100.020104].
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle