MétaCan
ENFR
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.

Exporter en CSVExporter en JSONRequête API

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 Algorithms
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.

587 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.
587 travaux dans la cohorte · sur 4 299 418page 4 sur 12

Les étiquettes couvrent 1 des 587 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 587 des 587 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
FSM Inference from Long Traces
Florent Avellaneda, Alexandre Petrenko
2018· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affsans résuménon étiqueté
Amortized Bayesian Optimization over Discrete Spaces
Kevin Swersky, Yulia Rubanova, David Dohan, Kevin J. Murphy
2020· article· en· Uncertainty in Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affnon étiqueté
Data sparseness in linear SVM
Xiang Li, Huaimin Wang, Bin Gu, Charles X. Ling
2015· article· en· International Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
afffundnon étiqueté
GP under streaming data constraints
Aaron Atwater, Malcolm I. Heywood, A. Nur Zincir‐Heywood
2012· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
fundno affnon étiqueté
PAC-Bayes bounds for stable algorithms with instance-dependent priors
Omar Rivasplata, Emilio Parrado-Hernández, John Shawe‐Taylor, Shiliang Sun, Csaba Szepesvári
2018· article· en· HAL (Le Centre pour la Communication Scientifique Directe)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
afffundnon étiqueté
Adaptive sampling strategies for quickselects
Conrado Martı́nez, Daniel Panario, Alfredo Viola
2010· article· en· ACM Transactions on Algorithms· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
11
citations
afffundsans résuménon étiqueté
Finding hidden independent sets in interval graphs
Thérèse Biedl, Broňa Brejová, Erik D. Demaine, Angèle M. Hamel, Alejandro López-Ortíz, Tomáš Vinař
2003· article· en· Theoretical Computer Science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
11
citations
affsans résuménon étiqueté
The complexity of estimating min-entropy
Thomas Watson
2014· article· en· Computational Complexity· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
afffundnon étiqueté
Inferring Symbolic Automata
Dana Fisman, Hadar Frenkel, Sandra Zilles
2023· article· en· Logical Methods in Computer Science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affnon étiqueté
The complexity of learning acyclic CP-nets
Eisa Alanazi, Malek Mouhoub, Sandra Zilles
2016· article· en· International Joint Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affnon étiqueté
Representing systems with hidden state
Christopher Hundt, Prakash Panagaden, Joëlle Pineau, Doina Precup
2006· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affnon étiqueté
Asterisk
Mona Nashaat, Aindrila Ghosh, James Miller, Shaikh Quader
2020· article· en· ACM/IMS Transactions on Data Science· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
10
citations
afffundnon étiqueté
Finding Nearly Optimal GDT Scores
Shuai Cheng Li, Dongbo Bu, Jinbo Xu, Ming Li
2011· article· en· Journal of Computational Biology· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
afffundsans résuménon étiqueté
Mind Change Efficient Learning
Wei Luo, Oliver Schulte
2005· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
fundno affnon étiqueté
Model processing tools in UML
J. Koskinen, J. Peltonen, P. Selonen, T. Systa, K. Koskimies
2005· article· en· Proceedings of the 23rd International Conference on Software Engineering. ICSE 2001· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
fundno affnon étiqueté
Private and Online Learnability Are Equivalent
Noga Alon, Mark Bun, Roi Livni, M. Malliaris, Shay Moran
2022· article· en· Journal of the ACM· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affsans résuménon étiqueté
Active Learning with c-Certainty
Eileen A. Ni, Charles X. Ling
2012· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affsans résuménon étiqueté
Fundamentals of Machine Learning
Ke-Lin Du, M. N. S. Swamy
2019· book-chapter· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affsans résuménon étiqueté
Probably bounded suboptimal heuristic search
Roni Stern, Gal Dreiman, Richard Valenzano
2018· article· en· Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
A PAC-Bayes Risk Bound for General Loss Functions
Pascal Germain, Alexandre Lacasse, François Laviolette, Mario Marchand
2007· book-chapter· en· The MIT Press eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affsans résuménon étiqueté
Some natural conditions on incremental learning
Sanjay Jain, Steffen Lange, Sandra Zilles
2007· article· en· Information and Computation· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
← précédentsuivant →

En coulisses: Sélection · Constats · À propos