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 5 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 mode candidate est l'union; le consensus est l'intersection.

affsans résuménon étiqueté
Requirements for Machine Lifelong Learning
Daniel Silver, Ryan Poirier
2007· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
11
citations
affnon étiqueté
Tensor-Empowered Adaptive Learning for Few-Shot Streaming Tasks
Bocheng Ren, Laurence T. Yang, Qingchen Zhang, Jun Feng, Xin Nie
2023· article· en· IEEE Transactions on Neural Networks and Learning Systems· Computer Science
prédiction distillée:candidate · metaepi_narrow+stsconsensus · aucune
11
citations
affnon étiqueté
Unifying Top–Down Views by Task-Specific Domain Adaptation
Jianzhe Lin, Tianze Yu, Lichao Mou, Xiao Xiang Zhu, Rabab Ward, Z. Jane Wang
2020· article· en· IEEE Transactions on Geoscience and Remote Sensing· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
11
citations
affsans résuménon étiqueté
Contrastive learning based open-set recognition with unknown score
Yuan Zhou, S. Fang, Shuoshi Li, Boyu Wang, Sun‐Yuan Kung
2024· article· en· Knowledge-Based Systems· Computer Science
prédiction distillée:candidate · metaepi_narrow+scholarly_communication+insufficient_payloadconsensus · aucune
11
citations
affnon étiqueté
Bidirectional Domain Mixup for Domain Adaptive Semantic Segmentation
Daehan Kim, Minseok Seo, Kwanyong Park, Inkyu Shin, Sanghyun Woo, In So Kweon +1 autres
2023· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
11
citations
affnon étiqueté
CFDP: Common Frequency Domain Pruning
Samir Khaki, Weihan Luo
2023· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
11
citations
affnon étiqueté
Minimax and Neyman-Pearson meta-learning for outlier languages
Edoardo Maria Ponti, Rahul Aralikatte, Disha Shrivastava, Siva Reddy, Anders Søgaard
2021· article· en· Edinburgh Research Explorer (University of Edinburgh)· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
11
citations
affnon étiqueté
LoCo: Local Contrastive Representation Learning
Yuwen Xiong, Mengye Ren, Raquel Urtasun
2020· article· en· arXiv (Cornell University)· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
11
citations
affsans résuménon étiqueté
Few-Shot Domain Adaptation with Polymorphic Transformers
Shaohua Li, Xiuchao Sui, Jie Fu, Huazhu Fu, Xiangde Luo, Yangqin Feng +4 autres
2021· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
11
citations
affsans résuménon étiqueté
Continual Learning with Dual Regularizations
Xuejun Han, Yuhong Guo
2021· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
10
citations
affsans résuménon étiqueté
Center transfer for supervised domain adaptation
Xiuyu Huang, Nan Zhou, Jian Huang, Huaidong Zhang, Witold Pedrycz, Kup‐Sze Choi
2023· article· en· Applied Intelligence· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
10
citations
affnon étiqueté
Re-basin via implicit Sinkhorn differentiation
Fidel A. Guerrero Peña, Heitor R. Medeiros, Thomas Dubail, Masih Aminbeidokhti, Éric Granger, Marco Pedersoli
2023· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
10
citations
affnon étiqueté
Correcting covariate shift with the Frank-Wolfe algorithm
Junfeng Wen, Russell Greiner, Dale Schuurmans
2015· article· en· International Conference on Artificial Intelligence· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
10
citations
affnon étiqueté
Auto-Tuning Kernel Mean Matching
Yun-Qian Miao, Ahmed Farahat, Mohamed S. Kamel
2013· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
9
citations
affnon étiqueté
LogDet Metric-Based Domain Adaptation
Youfa Liu, Bo Du, Weiping Tu, Mingming Gong, Yuhong Guo, Dacheng Tao
2020· article· en· IEEE Transactions on Neural Networks and Learning Systems· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
Transfer Incremental Learning Using Data Augmentation
Ghouthi Boukli Hacene, Vincent Gripon, Nicolas Farrugia, Matthieu Arzel, Michel Jézéquel
2018· article· en· Applied Sciences· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
Distilled Meta-learning for Multi-Class Incremental Learning
Hao Liu, Zhaoyu Yan, Bing Liu, Jiaqi Zhao, Yong Zhou, Abdulmotaleb El Saddik
2023· article· en· ACM Transactions on Multimedia Computing Communications and Applications· Computer Science
prédiction distillée:candidate · metaepi_narrow+stsconsensus · aucune
9
citations

En coulisses: Sélection · Constats · À propos