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
Sujet
Machine Learning and Data Classification
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.

559 résultats · 1 filtre actif ·
Résultats par année
20002025
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.
559 travaux dans la cohorte · sur 4 299 418page 2 sur 12

Les étiquettes couvrent 1 des 559 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 559 des 559 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
Parallel Algorithm Configuration
Frank Hutter, Holger H. Hoos, Kevin Leyton‐Brown
2012· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
74
citations
affnon étiqueté
Efficient Inference of Optimal Decision Trees
Florent Avellaneda
2020· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
53
citations
affnon étiqueté
Prediction intervals with random forests
Marie-Hélène Roy, Denis Larocque
2019· article· en· Statistical Methods in Medical Research· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
53
citations
affnon étiqueté
META-DES.Oracle
Rafael M. O. Cruz, Robert Sabourin, George D. C. Cavalcanti
2017· article· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
50
citations
affnon étiqueté
Automating data science
Tijl De Bie, Luc De Raedt, José Hernández‐Orallo, Holger H. Hoos, Padhraic Smyth, Christopher K. I. Williams
2022· article· en· Communications of the ACM· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
44
citations
affnon étiqueté
Evaluation-as-a-Service for the Computational Sciences
Frank Hopfgartner, Allan Hanbury, Henning Müller, Ivan Eggel, Krisztian Balog, Torben Brodt +10 autres
2018· article· en· Journal of Data and Information Quality· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
44
citations
affnon étiqueté
JANOS: An Integrated Predictive and Prescriptive Modeling Framework
David Bergman, Teng Huang, Philip C. Brooks, Andrea Lodi, Arvind U. Raghunathan
2022· article· en· Archivio istituzionale della ricerca (Alma Mater Studiorum Università di Bologna)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
43
citations
affnon étiqueté
On-Line Adaptative Curriculum Learning for GANs
Thang Doan, João Monteiro, Isabela Albuquerque, Bogdan Mazoure, Audrey Durand, Joëlle Pineau +1 autres
2019· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
41
citations
affnon étiqueté
Warm Starting CMA-ES for Hyperparameter Optimization
Masahiro Nomura, Shuhei Watanabe, Youhei Akimoto, Yoshihiko Ozaki, Masaki Onishi
2021· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
33
citations
affsans résuménon étiqueté
Ensembles of label noise filters: a ranking approach
Luís P. F. Garcia, Ana Carolina Lorena, Stan Matwin, André C. P. L. F. de Carvalho
2016· article· en· Data Mining and Knowledge Discovery· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
33
citations
afffundsans résuménon étiqueté
An Experimental Study of Adaptive Capping in irace
Leslie Pérez Cáceres, Manuel López‐Ibáñez, Holger H. Hoos, Thomas Stützle
2017· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
31
citations
fundno affsans résuménon étiqueté
LMAE: A large margin Auto-Encoders for classification
Weifeng Liu, Tengzhou Ma, Qiangsheng Xie, Dapeng Tao, Jun Cheng
2017· article· en· Signal Processing· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
30
citations
affnon étiqueté
Predicting accurate probabilities with a ranking loss.
Aditya Krishna Menon, Xiaoqian Jiang, Shankar Vembu, Charles Elkan, Lucila Ohno‐Machado
2012· article· en· PubMed· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
28
citations
affnon étiqueté
HyperNOMAD
Dounia Lakhmiri, Sébastien Le Digabel, Christophe Tribes
2021· article· en· ACM Transactions on Mathematical Software· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
27
citations
afffundnon étiqueté
Fast Sparse Decision Tree Optimization via Reference Ensembles
Hayden McTavish, Chudi Zhong, Reto Achermann, Ilias Karimalis, Jacques Chen, Cynthia Rudin +1 autres
2022· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
27
citations
affnon étiqueté
Strong Optimal Classification Trees
Sina Aghaei, Andrés Gómez, Phebe Vayanos
2024· article· en· Operations Research· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
24
citations
affsans résuménon étiqueté
Combining heterogeneous classifiers via granular prototypes
Tien Thanh Nguyen, Mai Phuong Nguyen, Xuan Cuong Pham, Alan Wee‐Chung Liew, Witold Pedrycz
2018· article· en· Applied Soft Computing· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
24
citations

En coulisses: Sélection · Constats · À propos