MétaCan
Menu
Retour à la cohorte
Enregistrement W3163207579 · doi:10.3934/math.2021439

On locally most reliable three-terminal graphs of sparse graphs

2021· article· en· W3163207579 sur OpenAlexaff
Sun Xie, Haixing Zhao, Liming Dai, Jun Yin

Notice bibliographique

RevueAIMS Mathematics · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueInterconnection Networks and Systems
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésCombinatoricsTerminal (telecommunication)MathematicsGraphPath graphDiscrete mathematicsLine graphGraph powerComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

<abstract> A network structure with $ n $ vertices and $ m $ edges is practically represented by a graph with $ n $ vertices and $ m $ edges. The graph with $ k $ fixed target vertices is called a $ k $-terminal graph. This article studies the locally most reliable simple sparse three-terminal graphs, in which each edge survives independently with probability $ p $. For $ p $ close to $ 0 $ or $ 1 $, the locally most reliable three-terminal graphs with $ n $ vertices and $ m $ edges are determined, where $ n\geq5 $ and $ 9\leq m\leq4n-10 $. Finally, we prove that there is no uniformly most reliable three-terminal graph for $ n\geq5 $, $ 11 &lt; m \leq3n-5 $ and $ m\equiv 2(\bmod 3) $ and for $ n\geq7 $, $ 3n-5 &lt; m \leq4n-10 $. This research provides helpful guidance for constructing a highly reliable network with three target vertices. </abstract>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,824
Score d'incertitude au seuil0,524

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,236
Écart entre enseignants0,216 · 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 tête enseignante, 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIMS MathematicsMême sujetInterconnection Networks and SystemsTravaux en français237 207