An Extended Zeta Function with Applications in Model Building and Bayesian Analysis
Notice bibliographique
Résumé
In certain problems in model building and Bayesian analysis, the results end up in forms connected with generalized zeta functions. This necessitates the introduction of an extended form of the generalized zeta function. Such an extended form of the zeta function is introduced in this paper. In model building situations and in various types of applications in physical, biological and social sciences and engineering, a basic model taken is the Gaussian model in the univariate, multivariate and matrix-variate situations. A real scalar variable logistic model behaves like a Gaussian model but with a thicker tail. Hence, for many of industrial applications, a logistic model is preferred to a Gaussian model. When we study the properties of a logistic model in the multivariate and matrix-variate cases, in the real and complex domains, invariably the problem ends up in the extended zeta function defined in this paper. Several such extended logistic models are considered. It is also found that certain Bayesian considerations also end up in the extended zeta function introduced in this paper. Several such Bayesian models in the multivariate and matrix-variate cases in the real and complex domains are discussed. It is stated in a recent paper that “Quantum Mechanics is just the Bayesian theory generalized to the complex Hilbert space”. Hence, the models developed in this paper are expected to have applications in quantum mechanics, communication theory, physics, statistics and related areas.
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 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 | 0,001 |
| 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».