Multivariate Generalized Linear Mixed Models with High Complexity / Modèles linéaires généralisés mixtes multivariés avec complexité élevée
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
The theory of exponential dispersion models (EDM), for which Bent Jørgensen made substantial contributions, provides a flexible framework of models alternative to the classic Gaussian linear models (e.g. generalized linear models and additive models). <br/>I review some multivariate extensions of those models that allow the distribution of the different dimensions to belong to different EDMs. As an illustration, I present some applications in quantitative genetics with high complexity (several hundreds of thousand observations and deep pedigrees). In all the presented applications, it is crucial to understand the underlying stochastic process related to the EDMs used to represent well and interpret biological questions of interest. Bent Jørgensen advocated similar ideas in his work since the 1980s.<br/><br/>La théorie des modèles de dispersion exponentielle (EDM), à laquelle Bent Jørgensen a apporté d'importantes contributions, fournit un cadre flexible de modèles alternatifs aux modèles linéaires gaussiens classiques (par exemple, les modèles linéaires et les modèles additifs). J'examinerai quelques extensions multivariées de ces modèles qui permettent à la loi des différentes dimensions d'appartenir à différents EDM. <br/>À titre d'exemple, je présenterai quelques applications à la génétique quantitative avec complexité élevée (plusieurs centaines de milliers d'observations et des pedigrees profonds). Dans toutes les applications présentées, il est essentiel de comprendre le processus stochastique sous-jacent associé aux EDMs pour bien représenter et interpréter les questions biologiques d'intérêt. Bent Jørgensen prônait des idées similaires dans son travail depuis les années 1980.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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