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
Anomaly Detection Techniques 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.

1 158 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.
1 158 travaux dans la cohorte · sur 4 299 418page 5 sur 24

Les étiquettes couvrent 1 des 1 158 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 1 158 des 1 158 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Data integration in machine learning
Yifeng Li, Alioune Ngom
2015· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
23
citations
aboutno affnon étiqueté
Detecting Malfunctions in Dynamic Systems
George E. P. Box, Spencer Graves, Søren Bisgaard, John Van Gilder, Ken Marko, J.R. James +3 autres
2000· article· en· SAE technical papers on CD-ROM/SAE technical paper series· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
23
citations
affsans résuménon étiqueté
One-Shot Scene-Specific Crowd Counting.
Mohammad Asiful Hossain, K. M. Anil Kumar, Mehrdad Hosseinzadeh, Omit Chanda, Yang Wang
2019· article· en· British Machine Vision Conference· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
19
citations
afffundnon étiqueté
Deep Learning-Driven Anomaly Detection for Green IoT Edge Networks
Ahmad Shahnejat Bushehri, Ashkan Amirnia, Adel Belkhiri, Samira Keivanpour, Felipe Göhring de Magalhães, Gabriela Nicolescu
2023· article· en· IEEE Transactions on Green Communications and Networking· Computer Science
prédiction distillée:candidate · stsconsensus · aucune
19
citations
affnon étiqueté
Hiding clusters in adversarial settings
J.G. Dutrisac, David B. Skillicorn
2008· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
19
citations
affsans résuménon étiqueté
Bi-discriminator GAN for tabular data synthesis
Mohammad Esmaeilpour, Nourhene Chaalia, Adel Abusitta, Franşois-Xavier Devailly, Wissem Maazoun, Patrick Cardinal
2022· article· en· Pattern Recognition Letters· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
19
citations
affsans résuménon étiqueté
SS-ITS: secure scalable intelligent transportation systems
Asma Belhadi, Youcef Djenouri, Gautam Srivastava, Jerry Chun‐Wei Lin
2021· article· en· The Journal of Supercomputing· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
17
citations
affnon étiqueté
TrailSense
Keunseo Kim, Hengameh Zabihi, Heeyoung Kim, Uichin Lee
2017· article· en· Proceedings of the ACM on Interactive Mobile Wearable and Ubiquitous Technologies· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
17
citations
affsans résuménon étiqueté
Exploring Deep Anomaly Detection Methods Based on Capsule Net
Xiaoyan Li, Iluju Kiringa, Tet Yeap, Xiaodan Zhu, Yifeng Li
2020· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
17
citations
fundno affnon étiqueté
Model of Gradient Boosting Random Forest Prediction
Zhidong Zhang, Xiubin Zhu, Ding Liu
2022· article· en· 2022 IEEE International Conference on Networking, Sensing and Control (ICNSC)· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
17
citations
affsans résuménon étiqueté
Detecting the Onset of Machine Failure Using Anomaly Detection Methods
Mohammad Riazi, Osmar R. Zai͏̈ane, Tomoharu Takeuchi, Anthony Maltais, Johannes Günther, Micheal Lipsett
2019· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
16
citations
← précédentsuivant →

En coulisses: Sélection · Constats · À propos