Statistical Convergence with Rough I3-Lacunary and Wijsman Rough I3-Statistical Convergence in 2-Normed Spaces
Notice bibliographique
Résumé
In this paper, we have introduced the concept of the set of rough I3-lacunary limit points for triple sequences in 2-normed spaces. We have established statistical convergence requirements associated with this set. Furthermore, we have introduced the idea of rough I3-lacunary statistical convergence for triple sequences. Additionally, we have demonstrated that this set of rough I3-lacunary limit points is both convex and closed within the context of a 2-normed space. We have also explored the relationships between a sequence’s rough I3-lacunary statistical cluster points and its rough I3-lacunary statistical limit points in the same 2-normed space. Expanding upon the concept of triple sequence spaces, we have introduced the notion of Wijsman I3-Cesáro summability for triple sequences. In doing so, we have investigated the connections between Wijsman strongly I3-Cesáro summability and Wijsman statistical I3-Cesáro summability. Furthermore, we have introduced the concepts of Wijsman rough strongly p-lacunary summability of order α and Wijsman rough lacunary statistical convergence of order α for triple sequences. These new concepts have been subjected to a thorough examination to understand their characteristics, and we have explored potential connections between them. Additionally, we have investigated how these newly introduced concepts relate to existing notions in the literature.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».