MétaCan
Menu
Retour à la cohorte
Enregistrement W4221161403 · doi:10.30757/alea.v20-52

Scaling limit of the collision measures of multiple random walks

2023· article· en· W4221161403 sur OpenAlexaff
Dinh–Toan Nguyen

Notice bibliographique

RevueLatin American Journal of Probability and Mathematical Statistics · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueStochastic processes and statistical mechanics
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesDivision of Mathematical SciencesLabex BézoutAgence Nationale de la Recherche
Mots-clésRandom walkMathematicsScalingMeasure (data warehouse)Limit (mathematics)Scaling limitCombinatoricsPartition function (quantum field theory)Event (particle physics)Discrete mathematicsStatistical physicsSequence (biology)Partition (number theory)Function (biology)CollisionPhysicsMathematical analysisQuantum mechanicsStatisticsComputer scienceGeometry

Résumé

récupéré en direct d'OpenAlex

For an integer k 2, let S (1) , S (2) , . . ., S (k) be k independent simple symmetric random walks on Z.A pair (n, z) is called a collision event if there are at least two distinct random walks, namely, S (i) , S (j) satisfying S (i) n = S (j) n = z.We show that under the same scaling as in Donsker's theorem, the sequence of random measures representing these collision events converges to a nontrivial random measure on [0, 1]R.Moreover, the limit random measure can be characterized using Wiener chaos.The proof is inspired by methods from statistical mechanics, especially, by a partition function that has been developed for the study of directed polymers in random environments.

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)0,002
score de la tête « metaresearch » (Gemma)0,034
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,452
Score d'incertitude au seuil0,974

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,074
Tête enseignante GPT0,308
Écart entre enseignants0,234 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLatin American Journal of Probability and Mathematical StatisticsMême sujetStochastic processes and statistical mechanicsTravaux en français237 207