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
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 7 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.

afffundnon étiqueté
On the Power of Interactive Proofs for Learning
Tom Gur, Mohammad Mahdi Jahanara, Mohammad Mahdi Khodabandeh, Ninad Rajgopal, Bahar Salamatian, Igor Shinkar
2024· preprint· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
4
citations
affnon étiqueté
Min-Max Propagation
Christopher Srinivasa, Inmar E. Givoni, Siamak Ravanbakhsh, Brendan J. Frey
2017· article· en· Neural Information Processing Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Improving Co-training with Agreement-Based Sampling
Jin Huang, Jelber Sayyad Shirabad, Stan Matwin, Su Jiang
2010· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Recognizable series on graphs and hypergraphs
Raphaël Bailly, Guillaume Rabusseau, François Denis
2017· article· en· Journal of Computer and System Sciences· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
afffundsans résuménon étiqueté
On the teaching complexity of linear sets
Ziyuan Gao, Hans Ulrich Simon, Sandra Zilles
2017· article· en· Theoretical Computer Science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affnon étiqueté
A faster FPRAS for #NFA
Kuldeep S. Meel, Sourav Chakraborty, Umang Mathur
2024· article· en· Proceedings of the ACM on Management of Data· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affnon étiqueté
A Bayesian neural network for toxicity prediction
Elizaveta Semenova, Dominic P. Williams, Avid M. Afzal, Stanley E. Lazic
2020· preprint· en· bioRxiv (Cold Spring Harbor Laboratory)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Data-to-Model Distillation: Data-Efficient Learning Framework
Ahmad Sajedi, Samir Khaki, Lucy Liu, Ehsan Amjadian, Yuri Lawryshyn, Konstantinos N. Plataniotis
2024· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Strongly consistent model selection for densities
Gérard Biau, Benoı̂t Cadre, Luc Devroye, László Györfi
2007· article· en· Test· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
UWaterlooMDS at the TREC 2018 Common Core Track.
Mustafa Abualsaud, Gordon V. Cormack, Nimesh Ghelani, Amira Ghenai, Maura R. Grossman, Shahin Rahbariasl +2 autres
2018· article· en· Text REtrieval Conference· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
3
citations
affsans résuménon étiqueté
Neural ARX Models and PAC Learning
Kayvan Najarian, Guy A. Dumont, M.S. Davies, Nancy Heckman
2000· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affsans résuménon étiqueté
Learning with Randomized Majority Votes
Alexandre Lacasse, François Laviolette, Mario Marchand, Francis Turgeon-Boutin
2010· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
afffundnon étiqueté
Sampling heuristics for active function learning
Rebekah Gelpí, Nayan Saxena, George Lifchits, Daphna Buchsbaum, Christopher G. Lucas
2021· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
affnon étiqueté
Self-Directed Learner
Eileen A. Ni, Charles X. Ling
2010· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3
citations
fundno affsans résuménon étiqueté
Distinguishing pattern languages with membership examples
Ziyuan Gao, Zeinab Mazadi, Regan Meloche, Hans Ulrich Simon, Sandra Zilles
2017· article· en· Information and Computation· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
2
citations
afffundnon étiqueté
Sample-Efficient Learning of Mixtures
Hassan Ashtiani, Shai Ben-David, Abbas Mehrabian
2018· preprint· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
2
citations
affsans résuménon étiqueté
Boolean-Arithmetic Equations: Acquisition and Uses
Ramiz Gindullin, Nicolas Beldiceanu, Jovial Cheukam Ngouonou, Rémi Douence, Claude-Guy Quimper
2023· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
2
citations

En coulisses: Sélection · Constats · À propos