Canada (2013)" COMPRESSIVE GAUSSIAN MIXTURE ESTIMATION
Notice bibliographique
Résumé
Algorithms using sketches can be found in the database literature [2, 3]. In this case, a sketch is a compressed representation of the data and can be updated whenever an element is added or removed from the database without reprocessing all the data. A popular application is the search for frequent items in a data stream, also called heavy hitters [4]. Histogram fitting using a sketch has been explored [5] in the case of n-dimensional discrete vectors. In this case, the sketch is an accumulated random projection of the vectors. This method does not scale to high dimensions, the construction of the histogram from the sketch having complexity which is exponential in n. Inverse problems on density mixtures have also been studied [6, 7]. Given data drawn from a mixture of candidate functions, both papers propose to cast the reconstruction as the optimization of a sparsity-inducing cost function on the vector of mixture coefficients. Both methods require the considered set of candidate densities to be finite and the elements of this set to be incoherent, i.e., different from each other. These assumptions do not hold for GMM: the centroids of the Gaussians can vary continuously and be arbitrarily close to one another. Compressed representations of data vectors based on random projections for linear classification have been studied in [8, 9]. These compressed representations aim at replacing a vector x by Mx where M is a dimensionality-reducing matrix, but do not compress the whole data set to a size that is independent of the number N of vectors in the set. In [10], a compressed representation of sparse probability distributions over multidimensional binary vectors is studied. The comhal-00799896,
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,197 | 0,064 |
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 ».