MétaCan
Menu
Retour à la cohorte
Enregistrement W4387682445 · doi:10.1090/gsm/237

Topics in Spectral Geometry

2023· book· en· W4387682445 sur OpenAlexaff
Michael Levitin, Dan Mangoubi, Iosif Polterovich

Notice bibliographique

RevueGraduate studies in mathematics · 2023
Typebook
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Analysis Techniques
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésGeometryGeologyPhysicsComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

It is remarkable that various distinct physical phenomena, such as wave propagation, heat diffusion, electron movement in quantum mechanics, oscillations of fluid in a container, can be described using the same differential operator, the Laplacian. Spectral data (i.e., eigenvalues and eigenfunctions) of the Laplacian depend in a subtle way on the geometry of the underlying object, e.g., a Euclidean domain or a Riemannian manifold, on which the operator is defined. This dependence, or, rather, the interplay between the geometry and the spectrum, is the main subject of spectral geometry. Its roots can be traced to Ernst Chladni’s experiments with vibrating plates, Lord Rayleigh’s theory of sound, and Mark Kac’s celebrated question "Can one hear the shape of a drum?" In the second half of the twentieth century spectral geometry emerged as a separate branch of geometric analysis. Nowadays it is a rapidly developing area of mathematics, with close connections to other fields, such as differential geometry, mathematical physics, partial differential equations, number theory, dynamical systems, and numerical analysis. This book can be used for a graduate or an advanced undergraduate course on spectral geometry, starting from the basics but at the same time covering some of the exciting recent developments which can be explained without too many prerequisites.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0480,018

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 Opus0,093
Tête enseignante GPT0,335
Écart entre enseignants0,242 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations37
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGraduate studies in mathematicsMême sujetAdvanced Numerical Analysis TechniquesTravaux en français237 207