Branching random walk and searching in trees: final report L. Addario-Berry (McGill University),
Notice bibliographique
Résumé
A branching random walk is a Galton-Watson tree T to which the individuals have been assigned spatial positions (in R, say), in the following manner. The root r is placed at the origin. Each child c of the root is independently given a random position Pc; the distribution of each such displacement is given by some real random variable X. More generally, when an individual u has a child v, v appears at position Pv = Pu + Xv, where Xv is an independent copy of X. This yields a natural, though idealized, discrete model of how a population may diffuse over time. Branching random walks are a natural and basic object of study in probability, and are far from being fully understood. Furthermore, branching random walks turn out to have strong connections in other parts of mathematics and theoretical computer science. To highlight a particularly notable example, consider the problem of understanding the minimum (most negative) position of any individual in the n’th generation of T, which we denote Mn. An understanding of this random variable ends up being fundamental for analyzing the expected worst-case behavior of a host of data structures of great interest to the theoretical computer science community. The behavior of the expected value EMn also turns out to be intimately connected to the uniqueness of “travelling-wave ” solutions to a reaction-diffusion equation called the Kolmogorov– Petrovskii–Piskounov equation, given by ∂u 1 ∂
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,008 |
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 ».