Лемма Фату в классической форме и теоремы Лебега о сходимости для последовательности мер с приложениями к управляемым марковским процессам
Bibliographic record
Abstract
В классической лемме Фату утверждается, что нижний предел последовательности интегралов функций больше или равен интегралу от нижнего предела. Известно, что лемма Фату для последовательности слабо сходящихся мер устанавливает более слабое неравенство, поскольку интеграл от нижнего предела заменяется на интеграл от нижнего предела по двум параметрам, где второй параметр является аргументом функции. В данной статье приводятся достаточные условия справедливости леммы Фату в ее классической форме для последовательности слабо сходящихся мер. Функции могут принимать как положительные, так и отрицательные значения. В статье также приводятся аналогичные результаты для сильно сходящихся мер. Статья также содержит аналоги теорем Лебега и монотонной сходимости для последовательностей слабо и сильно сходящихся мер. Полученные результаты используются в доказательстве общих достаточных условий справедливости уравнений оптимальности для управляемых марковских процессов принятия решений с критерием средних издержек за единицу времени.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.012 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.031 | 0.011 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".