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
Neural Networks and Applications
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.

2 372 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.
2 372 travaux dans la cohorte · sur 4 299 418page 42 sur 48

Les étiquettes couvrent 1 des 2 372 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 2 372 des 2 372 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.

affnon étiqueté
Machine_Learning_to_Hardware_for_Instrumentation
Berthié Gouin-Ferland, Hamza Ezzaoui Rahali, Mohammad Mehdi Rahimifar
2023· dataset· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
A model of memory for incidental learning
Roger A. Browse, Lisa Y. Drewell
2009· article· en· Proceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
FINTA/CINTA/GESTA/FIESTA Datasets
Félix Dumais, Jon Haitz Legarreta
2023· dataset· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Manifold-Based Classifier Ensembles
Vitaliy Tayanov, Adam Krzyżak, Ching Y. Suen
2020· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
ANGELS project D.3.7. Multi-agents demonstrator
Christine Chevallereau, Mohammed-Rédha Benachenhou, Vincent Lebastard, Frédéric Boyer
2012· preprint· en· HAL (Le Centre pour la Communication Scientifique Directe)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
aboutno affnon étiqueté
Computer Generated-Human Morph Stimuli
Natalie C. Bowling, Michael J. Banissy
2016· article· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Raw Data for Statistical Analyses Cortex Submission
Amedeo D’Angiulli, Dana Wymark, Andre Telfer, Sahar Bahrami, Santina Temi
2024· dataset· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Cascade-Correlation
Thomas R. Shultz, Scott E. Fahlman
2014· book-chapter· en· Encyclopedia of Machine Learning and Data Mining· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Neural Networks
Peter Zizler, Roberta La Haye
2024· book-chapter· en· Compact textbooks in mathematics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Unsupervised Learning with Ferroelectric Synapses
Nikhil Garg, I. Balafrej, Yann Beilliard, D. Drouin, F. Alibart, J. Rouat
2022· preprint· en· HAL (Le Centre pour la Communication Scientifique Directe)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Elastic Computing
2018· book-chapter· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Hopfield Network
B. Bass, T. Nixon
2008· book-chapter· en· Elsevier eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Comparing Regularization Techniques Applied to a Perceptron
Bryson Boreland, Herb Kunze, Kimberly M. Levere
2021· book-chapter· en· Springer proceedings in mathematics & statistics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Efference copy and context effects.
Mark Scott, Bryan Gick
2011· article· en· The Journal of the Acoustical Society of America· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
venueno affsans résuménon étiqueté
Papers to Appear in ARCTIC
Karen McCullough
2010· article· en· ARCTIC· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
0
citations
venueno affsans résuménon étiqueté
Papers to Appear in <i>ARCTIC</i>
Karen McCullough
2012· article· en· ARCTIC· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · insufficient_payload
0
citations
venueno affsans résuménon étiqueté
10.1016/0967-0653(95)91282-9
2000· article· en· Time to knit· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · insufficient_payload
0
citations
affnon étiqueté
Artificial Neural Networks in EEG Analysis
Markad V. Kamath, A.R.M. Upton, Jie Wu, H. S. BAJAJ, Skip Poehlman, Robert Spaziani
2011· book-chapter· en· IGI Global eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Raw Data for Statistical Analyses Cortex Submission
Amedeo D’Angiulli, Dana Wymark, Andre Telfer, Sahar Bahrami, Santina Temi
2024· dataset· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
aboutno affnon étiqueté
Activation Maximization with a Prior in Speech Data
Sho Inoue, Tad Gonsalves
2021· article· en· American Journal of Computer Science and Technology· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affsans résuménon étiqueté
Controlling approximation error
J DOMPIERRE, P LABBE, F GUIBAULT
2003· book-chapter· en· Elsevier eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Machine_Learning_to_Hardware_for_Instrumentation
Berthié Gouin-Ferland, Hamza Ezzaoui Rahali, Mohammad Mehdi Rahimifar
2023· dataset· en· Zenodo (CERN European Organization for Nuclear Research)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos