Notice bibliographique
Résumé
In this chapter we present a study of probabilistic aspects of codes. We have already seen in Chapters 2 and 3 that probability distributions play an important role in this theory. In Section 13.1, we present some basics on probability measures, and we state and prove Kolmogorov's extension theorem. In Section 13.2, the notion of density of a subset L of A * is introduced. It is the limit in mean, provided it exists, of the probability that a word of length n is in L . In Section 13.3, we introduce the topological entropy and we give a way to compute it for a free submonoid. We will see how it is related to the results of Chapter 2 on Bernoulli distributions. In Section 13.4, we describe how to compute the density of a set of words by defining probabilities in abstract monoids. In Section 13.5, we use this study for the proof of a fundamental formula (Theorem 13.5.1) that relates the density of the submonoid generated by a thin complete code to that of its sets of prefixes and suffixes. Probability We start with a short description of probability spaces, random variables, infinite words, and a result on the average length of prefix codes. We then give a proof of Kolmogorov's extension theorem. Let S be a set. A family F of subsets of S is a Boolean algebra of subsets of S if it contains S and is closed under finite unions and under complement.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,012 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».