Corrigendum: GRETNA: a graph theoretical network analysis toolbox for imaging connectomics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A General Commentary on GRETNA: a graph theoretical network analysis toolbox for imaging Connectomics by Wang J, Wang X, Xia M, Liao X, Evans A and He Y (2015) GRETNA: a graph theoretical network analysis toolbox for imaging connectomics. Front. Hum. Neurosci. 9:386. doi: 10.3389/fnhum.2015.00386Here, we would like to correct the two points as follows.1) The updated Table 1: Table 1. Summary of neuroscience connectomics tools 2) Discussion: “Specifically, compared with the recent developed GraphVar (Kruschwitz et al., 2015), GRETNA has distinct features in parallel computing, capability to preprocess R-fMRI data.” We would like to further clarify the description as “Specifically, compared with the recent developed GraphVar (Kruschwitz et al., 2015), GRETNA has distinct features in parallel computing. The GraphVar (beta v0.611) can assign several jobs to different CPUs by calling Matlab's parallel computing toolbox. The GRETNA can assign parallel tasks by calling the PSOM toolbox (Bellec et al., 2012), which helps GRETNA to record and manage the data generated during fMRI preprocessing or graph-based network analyses and to restart the pipeline from the failure steps.”
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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