MétaCan
Menu
Retour à la cohorte
Enregistrement W4388321578 · doi:10.1093/oso/9780198501657.003.0007

Topological sequence spaces: Kand FK-spaces

2000· book-chapter· en· W4388321578 sur OpenAlexaff
Johann Boos, Peter Cass

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineMathematics
ThématiqueApproximation Theory and Sequence Spaces
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMetrization theoremMathematicsLocally convex topological vector spaceSequence (biology)Topological spaceBanach spaceReflexive spaceTopology (electrical circuits)Space (punctuation)Subject (documents)Net (polyhedron)Convergence (economics)Topological vector spacePure mathematicsBounded functionSequence spaceDiscrete mathematicsInterpolation spaceFunctional analysisCombinatoricsMathematical analysisComputer scienceGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract With the aim of to pologizing domains of matrices with natural topologies, we mainly study FK-spaces in this chapter. These are sequence spaces carrying a metrizable locally convex topology which is complete (F-space) such that convergence implies coordinatewise convergence (K-space). FK-space theory was initiated by K. Zeller in 1949. On the one hand it makes possible the application of functional analytic methods to a number of major problems in summability and, on the other hand, it has proved very fruitful in the development of some topics in functional analysis, for example that of topological sequence spaces. Definitely, the inspiration for FK-space theory came from the Polish school around S. Banach, S. Mazur and W. Orlicz in which functional analytic methods were applied, for instance, to prove the bounded consistency theorem. Around 1949, K. Zeller published some seminal papers, for example, [261], [260], [262]. The subject was then further developed by Zeller and many other mathematicians. Wilansky’s book, [254], traces the development of the subject up to 1984.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,112
Tête enseignante GPT0,325
Écart entre enseignants0,213 · 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'étudeSans objet
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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetApproximation Theory and Sequence SpacesTravaux en français237 207