Ãtude de la performance dâun algorithme Metropolis-Hastings avec ajustement\ndirectionnel
Notice bibliographique
Résumé
Les méthodes de Monte Carlo par chaîne de Markov (MCMC) sont des outils très populaires\npour lâéchantillonnage de lois de probabilité complexes et/ou en grandes dimensions.\nÃtant donné leur facilité dâapplication, ces méthodes sont largement répandues\ndans plusieurs communautés scientifiques et bien certainement en statistique, particulièrement\nen analyse bayésienne. Depuis lâapparition de la première méthode MCMC en\n1953, le nombre de ces algorithmes a considérablement augmenté et ce sujet continue\ndâêtre une aire de recherche active.\nUn nouvel algorithme MCMC avec ajustement directionnel a été récemment développé\npar Bédard et al. (IJSS, 9 :2008) et certaines de ses propriétés restent partiellement\nméconnues. Lâobjectif de ce mémoire est de tenter dâétablir lâimpact dâun paramètre clé\nde cette méthode sur la performance globale de lâapproche. Un second objectif est de\ncomparer cet algorithme à dâautres méthodes MCMC plus versatiles afin de juger de sa\nperformance de façon relative.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,010 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».