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
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 1 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 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
A Fast Learning Algorithm for Deep Belief Nets
Geoffrey E. Hinton, Simon Osindero, Yee‐Whye Teh
2006· article· en· Neural Computation· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
16 404
citations
affnon étiqueté
A theory of learning from different domains
Shai Ben-David, John Blitzer, Koby Crammer, Alex Kulesza, Fernando Pereira, Jennifer Wortman Vaughan
2009· article· en· Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
3 486
citations
affnon étiqueté
A survey on semi-supervised learning
Jesper E. van Engelen, Holger H. Hoos
2019· article· en· Machine Learning· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
2 562
citations
affnon étiqueté
Optimization as a Model for Few-Shot Learning
Sachin Ravi, Hugo Larochelle
2017· article· en· International Conference on Learning Representations· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
2 447
citations
affnon étiqueté
A continual learning survey: Defying forgetting in classification tasks
Matthias Delange, Rahaf Aljundi, Marc Masana, Sarah Parisot, Xu Jia, Aleš Leonardis +2 autres
2021· article· en· IEEE Transactions on Pattern Analysis and Machine Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
1 593
citations
affnon étiqueté
Zero-Shot Learning with Semantic Output Codes
Mark Palatucci, Dean Pomerleau, Geoffrey E. Hinton, Tom M. Mitchell
2018· article· en· Figshare· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
829
citations
affnon étiqueté
Deep learning for AI
Yoshua Bengio, Yann LeCun, Geoffrey E. Hinton
2021· article· en· Communications of the ACM· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
627
citations
affnon étiqueté
A Review of Generalized Zero-Shot Learning Methods
Farhad Pourpanah, Moloud Abdar, Yuxuan Luo, Xinlei Zhou, Ran Wang, Chee Peng Lim +2 autres
2022· review· en· IEEE Transactions on Pattern Analysis and Machine Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
396
citations
affnon étiqueté
MetaGAN: an adversarial approach to few-shot learning
Ruixiang Zhang, Tong Che, Zoubin Ghahramani, Yoshua Bengio, Yangqiu Song
2018· article· en· Cambridge University Engineering Department Publications Database· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
283
citations
affnon étiqueté
Online Continual Learning with Maximal Interfered Retrieval
Rahaf Aljundi, Eugene Belilovsky, Tinne Tuytelaars, Laurent Charlin, M. Caccia, Min Lin +1 autres
2019· article· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
206
citations
affnon étiqueté
Bayesian Model-Agnostic Meta-Learning
Jaesik Yoon, Taesup Kim, Ousmane Dia, Sungwoong Kim, Yoshua Bengio, Sungjin Ahn
2018· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
204
citations
affsans résuménon étiqueté
Meta-Learning for Semi-Supervised Few-Shot Classification
Eleni Triantafillou, Hugo Larochelle, Jake Snell, Josh Tenenbaum, Kevin Swersky, Mengye Ren +2 autres
2018· article· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
203
citations
afffundnon étiqueté
Domain Adaptation With Neural Embedding Matching
Zengmao Wang, Bo Du, Yuhong Guo
2019· article· en· IEEE Transactions on Neural Networks and Learning Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
180
citations
affnon étiqueté
Ranking Distillation
Jiaxi Tang, Ke Wang
2018· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
165
citations
affnon étiqueté
k-Sparse Autoencoders
Alireza Makhzani, Brendan J. Frey
2013· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
148
citations
affnon étiqueté
Unsupervised Learning via Meta-Learning
Kyle Hsu, Sergey Levine, Chelsea Finn
2018· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
129
citations
affnon étiqueté
Phase Consistent Ecological Domain Adaptation
Yanchao Yang, Dong Lao, Ganesh Sundaramoorthi, Stefano Soatto
2020· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
126
citations
afffundnon étiqueté
Loss of plasticity in deep continual learning
Shibhansh Dohare, Juan Hernandez-Garcia, Qingfeng Lan, Parash Rahman, Ashique Rupam Mahmood, Richard S. Sutton
2024· article· en· Nature· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
117
citations
fundno affnon étiqueté
When Does Contrastive Visual Representation Learning Work?
Elijah Cole, Xuan Yang, Michael J. Wilber, Oisin Mac Aodha, Serge Belongie
2022· article· en· 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
98
citations
suivant →

En coulisses: Sélection · Constats · À propos