MétaCan
Menu
Retour à la cohorte
Enregistrement W3161875491 · doi:10.23952/jano.4.2022.2.02

On angles between convex cones

2022· article· en· W3161875491 sur OpenAlexafffundvenue
Heinz H. Bauschke, Hui Ouyang, Xianfu Wang

Notice bibliographique

RevueJournal of Applied and Numerical Optimization · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOptimization and Variational Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLinear subspaceMathematicsOrthographic projectionRegular polygonProjection (relational algebra)Hilbert spaceMathematical proofConvergence (economics)Pure mathematicsAlgebra over a fieldGeometryAlgorithm

Résumé

récupéré en direct d'OpenAlex

There are two basic angles associated with a pair of linear subspaces: the Diximier angle and the Friedrichs angle.The Dixmier angle of the pair of orthogonal complements is the same as the Dixmier angle of the original pair provided that the original pair gives rise to a direct (not necessarily orthogonal) sum of the underlying Hilbert space.The Friedrichs angles of the original pair and the pair of the orthogonal complements always coincide.These two results are due to Krein, Krasnoselskii, and Milman and to Solmon, respectively.In 1995, Deutsch provided a very nice survey with complete proofs and interesting historical comments.One key result in Deutsch's survey was an inequality for Dixmier angles provided by Hundal.In this paper, we present the extensions of these results to the case when the linear subspaces are only required to be convex cones.It turns out that Hundal's result has a nice conical extension while the situation is more technical for the results by Krein et al. and by Solmon.Our analysis is based on Deutsch's survey and our recent work on angles between convex sets.Throughout, we also provide examples illustrating the sharpness of our results.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,009
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Applied and Numerical OptimizationMême sujetOptimization and Variational AnalysisTravaux en français237 207