MétaCan
Menu
Retour à la cohorte
Enregistrement W1570164709 · doi:10.5772/8211

Algebraic Model for Agent Explicit Knowledge in Multi-agent Systems

2009· book-chapter· en· W1570164709 sur OpenAlexaff
Khair Eddin, Ridha Khédri, Jason Jaskolk

Notice bibliographique

RevueInTech eBooks · 2009
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueAccess Control and Trust
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProcedural knowledgeKnowledge managementEncryptionKey (lock)Context (archaeology)Explicit knowledgeKnowledge-based systemsComputer security

Résumé

récupéré en direct d'OpenAlex

Endoscopy, as we know it today, is performed using a flexible endoscope (Figure 2(a)), sometimes also referred to as videoscope.This type of endoscope has been introduced in the mid 1960s.While the first endoscopes used fiber optics and an eyepiece lens to visualize the inner cavities of the human body, modern endoscopes are very compact devices, including a light source, and a CCD or CMOS chip for taking pictures.But the basic concept did not change very much since those days.In addition to the digital imaging chip, modern endoscopes contain a light source at the distal tip and are equipped with an accessory channel, which allows the entry of medical instruments for example to take tissue samples, perform cleansing of poorly prepared areas, perform polypectomies, and perform endoscopic resections without any invasive surgery involved.More recent advances in endoscopy are zoom-endoscopy and chromoendoscopy.Zoom-endoscopy allows to zoom in at regions of interest, using a magnification factor of up to 150.Such devices offer a significant advance since smaller and finer details in the region to be examined get uncovered (Hurlstone et al., 2004).Another possibility to obtain images with a higher level of detail are high definition (HD) endoscopes, which also provide images of higher resolutions and therefore allow to detect subtle changes in the mucosa.Chromoendoscopy aims at enhancing superficial patterns on a mucosal layer by topically 196

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,003
Communication savante0,0040,009
Science ouverte0,0020,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,101
Tête enseignante GPT0,337
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetAccess Control and TrustTravaux en français237 207