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
Domain Adaptation and Few-Shot Learning
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.

705 résultats · 1 filtre actif ·
Résultats par année
20012025
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.
705 travaux dans la cohorte · sur 4 299 418page 4 sur 15

Les étiquettes couvrent 0 des 705 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 705 des 705 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.

afffundnon étiqueté
Incremental Learning Through Deep Adaptation
Amir Rosenfeld, John K. Tsotsos
2018· preprint· en· IEEE Transactions on Pattern Analysis and Machine Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
21
citations
afffundnon étiqueté
Bayesian Embeddings for Few-Shot Open World Recognition
John Willes, J. Michael Harrison, Ali Harakeh, Chelsea Finn, Marco Pavone, Steven L. Waslander
2022· article· en· IEEE Transactions on Pattern Analysis and Machine Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
21
citations
affnon étiqueté
Residual Continual Learning
Janghyeon Lee, Donggyu Joo, Hyeong Gwon Hong, Junmo Kim
2020· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
19
citations
affnon étiqueté
Transductive Zero-Shot and Few-Shot CLIP
Ségolène Martin, Yunshi Huang, Fereshteh Shakeri, Jean‐Christophe Pesquet, Ismail Ben Ayed
2024· preprint· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
18
citations
afffundsans résuménon étiqueté
TFS-ViT: Token-level feature stylization for domain generalization
Mehrdad Noori, Milad Cheraghalikhani, Ali Bahri, Gustavo A. Vargas Hakim, David Osowiechi, Ismail Ben Ayed +1 autres
2023· article· en· Pattern Recognition· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
17
citations
afffundnon étiqueté
Learning when to stop thinking and do something!
Barnabás Póczos, Yasin Abbasi-Yadkori, Csaba Szepesvári, Russell Greiner, Nathan Sturtevant
2009· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
17
citations
affnon étiqueté
Progressive Memory Banks for Incremental Domain Adaptation
Nabiha Asghar, Lili Mou, Kira A. Selby, Kevin D. Pantasdo, Pascal Poupart, Xin Jiang
2020· article· en· International Conference on Learning Representations· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affnon étiqueté
Automatic Metric Search for Few-Shot Learning
Yuan Zhou, Jieke Hao, Shuwei Huo, Boyu Wang, Leijiao Ge, Sun‐Yuan Kung
2023· article· en· IEEE Transactions on Neural Networks and Learning Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
15
citations
affsans résuménon étiqueté
Associative Alignment for Few-Shot Image Classification
Arman Afrasiyabi, Jean‐François Lalonde, Christian Gagné
2020· preprint· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
14
citations

En coulisses: Sélection · Constats · À propos