MétaCan
Menu
Retour à la cohorte
Enregistrement W4403523031 · doi:10.1016/j.tcs.2024.114905

On decision problems concerning contextual insertions and deletions

2024· article· en· W4403523031 sur OpenAlexafffund
Óscar H. Ibarra, Ian McQuillan

Notice bibliographique

RevueTheoretical Computer Science · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDNA and Biological Computing
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesScience and Engineering Research CouncilNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceDecision problemTheoretical computer scienceMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

The notions of stability, anti-stability, and error-correctability of a language that is modified by making contextual insertions in the words of the language were introduced in a previous paper by Bottoni et al. in 2011, where it was shown that these properties are decidable for regular languages. The authors proposed investigating the decidability of these properties for other classes of languages. Here, we derive necessary and sufficient conditions for a class of languages to have decidable stable, anti-stable, and error-correctable properties, and use these conditions to exhibit general classes of languages (strictly greater than the regular languages) for which the properties are decidable, and also simple classes (the first such classes) for which the properties are undecidable. We obtain identical results for the case when contextual deletions (instead of insertions) are made in the words of the language, and also with mixes of insertions and deletions . Our constructions also demonstrate that certain general problems involving nondeterministic generalized sequential machines ( GSM s) applied to languages accepted by deterministic machine models are decidable, which is surprising as the deterministic language families do not need to be closed under GSM mappings.

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)0,010
score de la tête « metaresearch » (Gemma)0,039
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: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,007
Communication savante0,0050,010
Science ouverte0,0030,004
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,271
Écart entre enseignants0,257 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTheoretical Computer ScienceMême sujetDNA and Biological ComputingTravaux en français237 207