MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Neural Information Processing Systems
Sujet
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

208 résultats · 1 filtre actif ·
Résultats par année
20002021
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
208 travaux dans la cohorte · sur 4 299 418page 1 sur 5

Les étiquettes couvrent 0 des 208 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 208 des 208 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Probabilistic Matrix Factorization
Andriy Mnih, Ruslan Salakhutdinov
2007· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
3 578
citations
affnon étiqueté
Saliency Based on Information Maximization
Neil D. B. Bruce, John K. Tsotsos
2005· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · scholarly_communication
1 100
citations
affnon étiqueté
Replicated Softmax: an Undirected Topic Model
Geoffrey E. Hinton, Ruslan Salakhutdinov
2009· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
442
citations
affnon étiqueté
Deep Sets
Manzil Zaheer, Satwik Kottur, Siamak Ravanbakhsh, Barnabás Póczos, Russ R. Salakhutdinov, Alexander J. Smola
2017· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
318
citations
affnon étiqueté
Parametric Bandits: The Generalized Linear Case
Sarah Filippi, Olivier Cappé, Aurélien Garivier, Csaba Szepesvári
2010· article· en· Neural Information Processing Systems· Decision Sciences
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
261
citations
affnon étiqueté
Supervised Learning with Tensor Networks
E. Miles Stoudenmire, David J. Schwab
2016· article· en· Neural Information Processing Systems· Mathematics
prédiction distillée:candidate · aucuneconsensus · aucune
214
citations
affnon étiqueté
Lookahead Optimizer: k steps forward, 1 step back
Michael R. Zhang, James Lucas, Jimmy Ba, Geoffrey E. Hinton
2019· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
176
citations
affnon étiqueté
DropoutNet: Addressing Cold Start in Recommender Systems
Maksims Volkovs, Guang Yu, Tomi Poutanen
2017· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
154
citations
affnon étiqueté
A Meta-Learning Perspective on Cold-Start Recommendations for Items
Manasi Vartak, Arvind Thiagarajan, Conrado Silva Miranda, Jeshua Bratman, Hugo Larochelle
2017· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · sts+scholarly_communicationconsensus · aucune
148
citations
affnon étiqueté
Tree-Structured Stick Breaking for Hierarchical Data
Zoubin Ghahramani, Michael I. Jordan, Ryan P. Adams
2010· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
137
citations
affnon étiqueté
Proximity Graphs for Clustering and Manifold Learning
Richard S. Zemel, Miguel Á. Carreira-Perpiñán
2004· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
120
citations
affnon étiqueté
Multi-Prediction Deep Boltzmann Machines
Ian Goodfellow, Mehdi Mirza, Aaron Courville, Yoshua Bengio
2013· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
116
citations
affnon étiqueté
Residual Flows for Invertible Generative Modeling
Ricky T. Q. Chen, Jens Behrmann, David Duvenaud, Joern-Henrik Jacobsen
2019· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
109
citations
affnon étiqueté
A Better Way to Pretrain Deep Boltzmann Machines
Geoffrey E. Hinton, Ruslan Salakhutdinov
2012· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
106
citations
affnon étiqueté
Fast AutoAugment
Sungbin Lim, Ildoo Kim, Taesup Kim, Chiheon Kim, Sungwoong Kim
2019· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
104
citations
affnon étiqueté
Learning Deep Parsimonious Representations
Renjie Liao, Alexander G. Schwing, Richard S. Zemel, Raquel Urtasun
2016· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
90
citations
affnon étiqueté
An Accelerated Proximal Coordinate Gradient Method
Qihang Lin, Zhaosong Lu, Lin Xiao
2014· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
85
citations
affnon étiqueté
The pigeon as particle filter
Nathaniel D. Daw, Aaron Courville
2007· article· en· Neural Information Processing Systems· Physics and Astronomy
prédiction distillée:candidate · aucuneconsensus · aucune
81
citations
affnon étiqueté
Learning from Limited Demonstrations
Beomjoon Kim, Amir massoud Farahmand, Joëlle Pineau, Doina Precup
2013· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communication+insufficient_payloadconsensus · aucune
72
citations
affnon étiqueté
Proximal Deep Structured Models
Shenlong Wang, Sanja Fidler, Raquel Urtasun
2016· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
68
citations
affnon étiqueté
Learning Reward Machines for Partially Observable Reinforcement Learning
Rodrigo Toro Icarte, Ethan Waldie, Toryn Q. Klassen, Richard Valenzano, Margarita P. Castro, Sheila A. McIlraith
2019· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communicationconsensus · aucune
67
citations
affnon étiqueté
Generating more realistic images using gated MRF's
Marc’Aurelio Ranzato, Volodymyr Mnih, Geoffrey E. Hinton
2010· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
63
citations
affnon étiqueté
Satisfying real-world goals with dataset constraints
Gabriel Goh, Andrew Cotter, Maya R. Gupta, Michael P. Friedlander
2016· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
55
citations
affnon étiqueté
Principal Neighbourhood Aggregation for Graph Nets
Gabriele Corso, Luca Cavalleri, Dominique Beaini, Píetro Lió, Petar Veličković
2020· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
51
citations
affnon étiqueté
Stop wasting my gradients: practical SVRG
Reza Babanezhad, Mohamed Osama Ahmed, Alim Virani, Mark Schmidt, Jakub Konečný, Scott Sallinen
2015· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · aucune
50
citations
affsans résuménon étiqueté
Information Maximization for Few-Shot Learning
Malik Boudiaf, Imtiaz Masud Ziko, Jérôme Rony, José Dolz, Pablo Piantanida, Ismail Ben Ayed
2020· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · scholarly_communicationconsensus · scholarly_communication
49
citations
affnon étiqueté
The Gaussian Process Density Sampler
Iain Murray, David Mackay, Ryan P. Adams
2008· article· en· Neural Information Processing Systems· Computer Science
prédiction distillée:candidate · sts+scholarly_communicationconsensus · aucune
48
citations

En coulisses: Sélection · Constats · À propos