MétaCan
Menu
Retour à la cohorte
Enregistrement W4403165774 · doi:10.61091/jcmcc122-15

On the Various Energy Forms of the Join of Complete Graphs

2024· article· en· W4403165774 sur OpenAlexvenueno aff
Arooj Ibrahim, Saima Nazeer

Notice bibliographique

RevueJournal of Combinatorial Mathematics and Combinatorial Computing · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueGraph Labeling and Dimension Problems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJoin (topology)Computer scienceMathematicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

The concept of graph energy, first introduced in 1978, has been a focal point of extensive research within the field of graph theory, leading to the publication of numerous articles. Graph energy, originally associated with the eigenvalues of the adjacency matrix of a graph, has since been extended to various other matrices. These include the maximum degree matrix, Randić matrix, sum-connectivity matrix, and the first and second Zagreb matrices, among others. In this paper, we focus on calculating the energy of several such matrices for the join graph of complete graphs, denoted as J m ( K n ) . Specifically, we compute the energies for the maximum degree matrix, Randić matrix, sum-connectivity matrix, first Zagreb matrix, second Zagreb matrix, reverse first Zagreb matrix, and reverse second Zagreb matrix for J m ( K n ) . Our results provide new insights into the structural properties of the join graph and contribute to the broader understanding of the mathematical characteristics of graph energy for different matrix representations. This work extends the scope of graph energy research by considering these alternative matrix forms, offering a deeper exploration into the algebraic and spectral properties of graph energy in the context of join graphs.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,014
Tête enseignante GPT0,225
Écart entre enseignants0,211 · 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
GenreEmpirique

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Combinatorial Mathematics and Combinatorial ComputingMême sujetGraph Labeling and Dimension ProblemsTravaux en français237 207