Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article introduces a technique for estimating samples of a random signal based on observations made by several observers and at different sampling rates. We consider a discrete-time mathematical model where an observer sees the original random signal x(n) through a bank of sensors which we model by linear filters and downsamplers. Each sensor, therefore, outputs a measurement signal v/sub i/(n) whose sampling rate is only a fraction of the sampling rate assumed for the original signal under observation. It is straightforward to show that the optimal least-mean-squares estimator for our problem is a linear operator F operating on v/sub i/(n)s. We observe, however, that to find F we need to know the power spectral density P/sub x/(e/sup jw/) of x(n) which is itself not observable. This motivates us to consider the possibility of estimating P/sub x/(e/sup jw/) using the observable low-rate data. We show that the statistical inference problem which addresses estimation of P/sub x/(e/sup jw/) given certain statistics of v/sub i/(n) is mathematically ill-posed. We resolve this ill-posed inference problem using the principle of maximum entropy. We show, moreover, that the proposed maximum entropy inference technique is a continuous mapping. Therefore, one might safely use it to estimate P/sub x/(e/sup jw/) based on approximate statistics of v/sub i/(n) obtained from the samples.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 découle