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 1 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
The Optimality of Naive Bayes.
Harry Zhang
2004· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1 402
citations
affnon étiqueté
Toward Causal Representation Learning
Bernhard Schölkopf, Francesco Locatello, Stefan Bauer, Nan Rosemary Ke, Nal Kalchbrenner, Anirudh Goyal +1 autres
2021· article· en· Proceedings of the IEEE· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1 024
citations
affsans résuménon étiqueté
A new distance between two bodies of evidence
Anne-Laure Jousselme, Dominic Grenier, Éloi Bossé
2001· article· en· Information Fusion· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
913
citations
affnon étiqueté
Context-Specific Independence in Bayesian Networks
Craig Boutilier, Nir Friedman, Moisés Goldszmidt, Daphne Koller
2013· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
557
citations
affnon étiqueté
SPUDD: Stochastic Planning using Decision Diagrams
Jesse Hoey, Robert St‐Aubin, Alan J. Hu, Craig Boutilier
2013· article· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
394
citations
venueno affnon étiqueté
The Logic of Deep Disagreements
Robert J. Fogelin
2005· article· en· Informal Logic· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
191
citations
affnon étiqueté
Checking for prior-data conflict
Michael Evans, Hadas Moshonov
2006· article· en· Bayesian Analysis· Computer Science
prédiction machine:candidate · metaresearchconsensus · aucune
185
citations
affsans résuménon étiqueté
The Cross-Entropy Method for Optimization
Zdravko I. Botev, Dirk P. Kroese, Reuven Y. Rubinstein, Pierre L’Ecuyer
2013· book-chapter· en· Handbook of statistics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
176
citations
affnon étiqueté
Predictive models aren't for causal inference
Suchinta Arif, M. Aaron MacNeil
2022· article· en· Ecology Letters· Computer Science
prédiction machine:candidate · metaresearchconsensus · aucune
138
citations
affsans résuménon étiqueté
Naive Bayesian Classifiers for Ranking
Harry Zhang, Su Jiang
2004· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
119
citations
affsans résuménon étiqueté
A First Look at Rigorous Probability Theory
Jeffrey S. Rosenthal
2006· book· en· WORLD SCIENTIFIC eBooks· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
111
citations
affnon étiqueté
Context-Specific Independence in Bayesian Networks
Craig Boutilier, Nir Friedman, Moisés Goldszmidt, Daphne Koller
2013· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
99
citations
affnon étiqueté
Hidden naive Bayes
Harry Zhang, Liangxiao Jiang, Su Jiang
2005· article· en· National Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
98
citations
affnon étiqueté
Causal Discovery with Reinforcement Learning
Shengyu Zhu, Ignavier Ng, Zhitang Chen
2019· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
89
citations
afffundnon étiqueté
Default Priors for Bayesian and Frequentist Inference
D. A. S. Fraser, Nancy Reid, Elisabetta Marras, Grace Y. Yi
2010· article· en· Journal of the Royal Statistical Society Series B (Statistical Methodology)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
88
citations

En coulisses: Sélection · Constats · À propos