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
Bayesian Modeling and Causal Inference
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.

961 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.
961 travaux dans la cohorte · sur 4 299 418page 6 sur 20

Les étiquettes couvrent 2 des 961 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 961 des 961 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
Wiley Series in Probability and Statistics
A. K. Md. Ehsanes Saleh
2005· other· en· Wiley series in probability and statistics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affnon étiqueté
Learning to Discover Sparse Graphical Models
Eugene Belilovsky, Kyle Kastner, Gaël Varoquaux, Matthew B. Blaschko
2016· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affnon étiqueté
Hindsight Optimization for Hybrid State and Action MDPs
Aswin Raghavan, Scott Sanner, Roni Khardon, Prasad Tadepalli, Alan Fern
2017· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
13
citations
affnon étiqueté
Explaining Naive Bayes Classifications
Russell Greiner, Brett Poulin, Paul Lu, Zhonghua Lu, Cam Macdonell, David S. Wishart +2 autres
2003· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
affsans résuménon étiqueté
Dynamic multiagent probabilistic inference
Xiangdong An, Yang Xiang, Nick Cercone
2007· article· en· International Journal of Approximate Reasoning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
12
citations
fundno affnon étiqueté
[sans titre]
Sindy Löwe, David Madras, Richard S. Zemel, Max Welling
2020· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
12
citations
affnon étiqueté
Explaining recommendations generated by MDPs
Omar Zia Khan, Pascal Poupart, James P. Black
2008· article· en· Explanation-aware Computing· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
11
citations
affnon étiqueté
Using New Data to Refine a Bayesian Network
Wai Lam, Fahiem Bacchus
2013· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affnon étiqueté
A NOVEL DISTANCE FUNCTION: FREQUENCY DIFFERENCE METRIC
Liangxiao Jiang, Chaoqun Li, Harry Zhang, Zhihua Cai
2014· article· en· International Journal of Pattern Recognition and Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
afffundsans résuménon étiqueté
Negative probabilities in probabilistic logic programs
David Buchman, David Poole
2016· article· en· International Journal of Approximate Reasoning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
10
citations
affnon étiqueté
First Order Probabilistic Logic
Brigitte Jaumard, Alexandre Fortin, Md. Istiaque Shahriar, Razia Sultana
2006· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
Fast d-DNNF compilation with sharpSAT
Christian Muise, Sheila A. McIlraith, J. Christopher Beck, Eric Hsu
2010· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations

En coulisses: Sélection · Constats · À propos