MétaCan
Menu
Retour à la cohorte
Enregistrement W4387776371 · doi:10.1017/s0269964823000189

On Jensen- divergence measure

2023· article· en· W4387776371 sur OpenAlex
Omid Kharazmi, N. Balakrishnan

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProbability in the Engineering and Informational Sciences · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueStatistical Mechanics and Entropy
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDivergence (linguistics)Measure (data warehouse)Kullback–Leibler divergenceMathematicsAlpha (finance)Similarity measureEntropy (arrow of time)CombinatoricsApplied mathematicsStatisticsComputer scienceArtificial intelligencePhysicsData miningPsychometrics

Résumé

récupéré en direct d'OpenAlex

Abstract The purpose of this paper is twofold. The first part is to introduce relative- $\chi_{\alpha}^{2}$ , Jensen- $\chi_{\alpha}^{2}$ and ( p , w )-Jensen- $\chi_{\alpha}^2$ divergence measures and then examine their properties. In addition, we also explore possible connections between these divergence measures and Jensen–Shannon entropy measure. In the second part, we introduce $(p,\eta)$ -mixture model and then show it to be an optimal solution to three different optimization problems based on $\chi_{\alpha}^{2}$ divergence measure. We further study the relative- $\chi_{\alpha}^{2}$ divergence measure for escort and arithmetic mixture densities. We also provide some results associated with relative- $\chi_{\alpha}^{2}$ divergence measure of mixed reliability systems. Finally, to demonstrate the usefulness of the Jensen- $\chi_{\alpha}^{2}$ divergence measure, we apply it to a real example in image processing and present some numerical results. Our findings in this regard show that the Jensen- $\chi_{\alpha}^{2}$ is an effective criteria for quantifying the similarity between two images.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,759
Score d'incertitude au seuil0,099

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,240
Écart entre enseignants0,218 · 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