Kriging Universal para Datos Funcionales
Notice bibliographique
Résumé
En diversos ámbitos de la ciencia con gran frecuencia los resultados suelen reflejarse por medio de curvas (datos funcionales). Con este trabajo se pretende dar una solución al problema de la predicción espacial de datos funcionales cuando no se evidencia estacionariedad. El predictor propuesto tiene la misma forma matemática de un predictor kriging clásico, pero teniendo en cuenta curvas en lugar de datos univariados. Luego, a través de un procedimiento similar al del kriging universal de la geoestadística en una dimensión se deducen los sistemas matriciales que permiten determinar los pesos de cada una de las variables funcionales medidas en los sitios visitados. La metodología propuesta se valida mediante el análisis conjunto de datos reales de temperaturas tomadas en estaciones meteorológicas de Canadá. / Abstract. In various fields of science very often the results of certain measurements are usually reflected by curves (functional data).In this paper we give a solution to the problem of spatial prediction of functional data stationarity when there is no evidence. The predictor proposed has the same mathematical expresion of a classic kriging predictor, but considering curves instead of univariate data. Using a procedure similar to the universal kriging in geostatistical onedimensional a matrix system is derived for determining the weights of each of the functional variables measured in the sites visited. The proposed methodology is validated by analyzing a real data set corresponding to temperature curves obtained in several weather stations of Canada.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».