Spectral methods for non-linear co-regionalization
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.
Notice bibliographique
Résumé
It is frequently the case that direct and indirect measurements have to be combined to deliver meaningful estimates of the variable of interest. Linear co-regionalization, which assumes that all variables share common spatial structures, has widely been used in geostatistics to model the correlated spatial random fields. The underlying linearity assumption, however, is restrictive with respect to the choice of the direct and cross variograms, as it assumes very similar spatial structure for the direct and indirect variables. In this contribution, a new method of non-linear co-regionalization based on Fourier transformation is presented. First, the coherence of the corresponding fields based on their power spectra is introduced. The coherence gives a variogram-dependent upper and lower limit for the correlation of the random fields. The direct variograms of the two fields depend on their phase spectrum. The phase differences of these phase spectra determine the cross-variogram. A simulation method for generating correlated random fields with given direct and cross variograms is presented. The method allows the use of different models for the direct variograms as well as for the cross variogram. Further, the method enables the consideration of non-Gaussian copula-based spatial features, such as different types of spatial asymmetries. This enables the simulation of correlated fields with value-dependent correlations. A real world and various theoretical examples with different Gaussian and non-Gaussian copula-based dependence structures will be used to illustrate the methodology and its flexibility.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle