Notice bibliographique
Résumé
The purpose of this volume is to present the theory of Markov and semi-Markov processes in a discrete-time, finite-state framework. Given this background, hidden versions of these processes are introduced and related estimation and filtering results developed. The approach is similar to the earlier book, Elliott et al. (1995). That is, a central tool is the Radon–Nikodym theorem and related changes of probability measure. In the discrete-time, finite-state framework that we employ these have simple interpretations following from Bayes’ theorem. Markov chains and hidden Markov chains have found many applications in fields from finance, where the chains model different economic regimes, to genomics, where gene and protein structure is modelled as a hidden Markov model. Semi-Markov chains and hidden semi-Markov chains will have similar, possibly more realistic, applications. The genomics applications are modelled by discrete observations of these hidden chains. Recent books in the area include in particular Koski (2001) and Barbu and Limnios (2008). Koski includes many examples, not much theory and little on semi-Markov Models. Barbu and Limnios say that the estimation of discrete-time semi-Markov systems is almost absent from the literature. They present an alternative specification from the one adopted in this book and so we give alternative methods in a rigorous framework. They provide limited applications in genomics. This book carefully constructs relevant processes and proves required results. The filters and related parameter estimation methods we obtain for semi-Markov chains include new results. The occupation times in any state of a Markov chain are geometrically distributed; semi-Markov chains can have occupation times which are quite general and not necessarily geometrically distributed. Works on semi-Markov processes include Barbu and Limnios (2008), C， inlar (1975), Harlamov (2008), Howard (1971), Janssen and Manca (2010), and Koski (2001) from Chapter 11 onwards. C， inlar (1975) considers a countable state space. Hidden Markov models have found extensive applications in speech processing and genomics. References for these applications include Ferguson (1980), who considers more general occupation times. This problem was also investigated by Levinson (1986a,b), Ramesh and Wilpon (1992), and in the papers Guédon (1992) and Guédon and Cocozza-Thivent (1990). Genomic applications are treated in the thesis of Burge (1997) and the book Burge and Karlin (1997).
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,405 | 0,242 |
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 ».