MétaCan
Menu
Retour à la cohorte
Enregistrement W4281762838 · doi:10.1155/2022/2700498

Simulating Nonhomogeneous Non-Gaussian Field by Using Iterative Rank-Dependent Reordering versus Translation Process-Based Procedure

2022· article· en· W4281762838 sur OpenAlexafffund
Han Hong, M.Y. Xiao

Notice bibliographique

RevueMathematical Problems in Engineering · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship Council
Mots-clésTranslation (biology)Rank (graph theory)AlgorithmConvergence (economics)Matching (statistics)Computer scienceGaussianMathematical optimizationProcess (computing)Field (mathematics)Function (biology)Applied mathematicsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

We compare two commonly used procedures, namely, the iterative rank-dependent reordering (IRDR) procedure and the translation process based procedure, for simulating homogeneous/nonhomogeneous non-Gaussian fields. We identify the limitations and the implicit assumptions of the procedures. We provide a new interpretation of the IRDR procedure, point out that there is no guarantee that the algorithm converges, and suggest modifications in terms of the initial samples, iteration involving decomposition, and convergence requirement to the IRDR procedure for it to become more efficient and robust. The numerical results show that, depending on the prescribed marginal probability distribution, the use of the IRDR procedure may not achieve a prescribed correlation function, a feature that is well-known if the translation process (i.e., Nataf translation system) based procedure is employed. It is shown that the performance of the modified IRDR procedure is comparable to that of the translation process based procedures in terms of limitations and matching the prescribed correlation function. The numerical results also show that the suggested modifications to IRDR in the present study make the algorithm more efficient and robust.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,333
Écart entre enseignants0,287 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMathematical Problems in EngineeringMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207