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
International Conference on Machine Learning
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.

127 résultats · 1 filtre actif ·
Résultats par année
20022021
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.
127 travaux dans la cohorte · sur 4 299 418page 3 sur 3

Les étiquettes couvrent 0 des 127 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 127 des 127 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
PID Accelerated Value Iteration Algorithm
Amir‐massoud Farahmand, Mohammad Ghavamzadeh
2021· article· en· International Conference on Machine Learning· Engineering
prédiction machine:candidate · aucuneconsensus · aucune
2
citations
affnon étiqueté
HNHN: Hypergraph Networks With Hyperedge Neurons
Yihe Dong, Will Sawin, Yoshua Bengio
2020· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
2
citations
affnon étiqueté
Fiduciary Bandits
Gal Bahar, Omer Ben-Porat, Kevin Leyton‐Brown, Moshe Tennenholtz
2020· article· en· International Conference on Machine Learning· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Unsupervised Part Representation by Flow Capsules
Sara Sabour Rouh Aghdam, Andrea Tagliasacchi, Soroosh Yazdani, Geoffrey E. Hinton, David J. Fleet
2021· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
On Monotonic Linear Interpolation of Neural Network Parameters
James Lucas, Juhan Bae, Michael Zhang, Stanislav Fort, Richard S. Zemel, Roger Grosse
2021· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Exploration-Driven Representation Learning in Reinforcement Learning
Akram Erraqabi, Mingde Zhao, Marlos C. Machado, Yoshua Bengio, Sainbayar Sukhbaatar, Ludovic Denoyer +1 autres
2021· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affaboutnon étiqueté
Analyzing open data from the city of Montreal
Joëlle Pineau, Pierre‐Luc Bacon
2015· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Agent Forecasting at Flexible Horizons using ODE Flows
Alexander Radovic, Jiawei He, Janahan Ramanan, Marcus A. Brubaker, Andreas Lehrmann
2021· article· en· International Conference on Machine Learning· Decision Sciences
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affaboutnon étiqueté
Atomic Spatial Processes
Sean Jewell, Neil A. Spencer, Alexandre Bouchard-C t
2015· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Robust Asymmetric Learning in POMDPs
Andrew Warrington, Jonathan Lavington, Adam Ścibior, Mark Schmidt, Frank Wood
2021· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1
citations
affsans résuménon étiqueté
Nonmyopic Multifidelity Acitve Search
Quan Nguyen, Arghavan Modiri, Roman Garnett
2021· article· en· International Conference on Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos