MétaCan
Menu
Retour à la cohorte
Enregistrement W4233215929 · doi:10.23952/jano.1.2019.2.01

A special issue dedicated to Boris Polyak

2019· article· en· W4233215929 sur OpenAlexvenueno aff
Boris Polyak', Avneesh Agrawal, Shane Barratt, Stephen Boyd, Enzo Busseti, Walaa M. Moursi, Alexandra Smirnova

Notice bibliographique

RevueJournal of Applied and Numerical Optimization · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueFusion and Plasma Physics Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This special issue aims to honor Professor Boris Polyak's outstanding scientific contributions to the field of optimization by collecting some of the most recent advancements in optimization and its applications.During the last six decades, Professor Boris Polyak made fundamental contributions to various aspects of deterministic and stochastic optimization.Professor Boris Polyak is an original and brilliant mathematician, who put forth numerous novel ideas and concepts that strengthen all branches of optimization.His well-known book on optimization has educated generations of researchers, and his heavily cited papers provide a wealth of innovative ideas.This special issue is comprised of seven articles of high scientific merits whose contribution we summarise in the following:A. Agrawal, S. Barratt, S. Boyd, E. Busseti, and W. M. Moursi, in the paper entitled "Differentiating Through a Cone Program," consider the problem of efficiently computing the derivative of the solution map of a convex cone program.They implicitly differentiate the residual map for the homogeneous self-dual embedding and solve the linear systems of equations by employing an iterative method.This permits the authors to compute the derivative operator and its adjoint effectively.An open-source Python implementation of the new method solves a cone program and returns the derivative and its adjoint as abstract linear maps.The objective of the article entitled "A Henig conical regularization approach for circumventing the Slater conundrum in linearly ℓ p + -constrained least-squares problems" by L. Huerga, A. A. Khan and M. Sama is to explore a linearly ℓ p + -constrained least-squares problem.The authors develop a Henig conical regularization approach as a unified framework to deal with the lack of Slater-type constraint qualification.They provide some stability estimates for the regularized problems.For the separable case, p ∈ [1, ∞), they give an explicit characterization of the Henig dilating cones associated with ℓ p +

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil0,465

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0060,002
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,1390,095

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 Opus0,004
Tête enseignante GPT0,209
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.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied and Numerical OptimizationMême sujetFusion and Plasma Physics StudiesTravaux en français237 207