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 5 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
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
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
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
afffundnon étiqueté
Sample-Efficient Learning of Mixtures
Hassan Ashtiani, Shai Ben-David, Abbas Mehrabian
2018· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
Learning intersection-closed classes with signatures
Andreǐ A. Bulatov, Hubie Chen, Víctor Dalmau
2007· article· en· Theoretical Computer Science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
State Complexity Research and Approximation
Sheng Yü, Yuan Gao
2011· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
Learning without coding
Sanjay Jain, Samuel E. Moelius, Sandra Zilles
2012· article· en· Theoretical Computer Science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
aboutno affnon étiqueté
Three papers on boosting: an introduction
Vladimir Koltchinskii, Bin Yu
2004· article· en· The Annals of Statistics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
affnon étiqueté
Multitask Spectral Learning of Weighted Automata
Guillaume Rabusseau, Borja Balle, Joëlle Pineau
2017· article· en· Neural Information Processing Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
affnon étiqueté
XOR Codes and Sparse Learning Parity with Noise
Andrej Bogdanov, Manuel Sabin, Prashant Nalini Vasudevan
2019· book-chapter· en· Society for Industrial and Applied Mathematics eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Learning and Testing Junta Distributions
Maryam Aliakbarpour, Eric Blais, Ronitt Rubinfeld
2016· article· en· Conference on Learning Theory· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
A PAC-Bayes approach to the Set Covering Machine
François Laviolette, Mario Marchand, Mohak Shah
2005· article· en· Neural Information Processing Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affsans résuménon étiqueté
Survey Propagation beyond Constraint Satisfaction Problems.
Christopher Srinivasa, Siamak Ravanbakhsh, Brendan J. Frey
2016· article· en· International Conference on Artificial Intelligence and Statistics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
← précédentsuivant →

En coulisses: Sélection · Constats · À propos