MétaCan
Menu
Retour à la cohorte
Enregistrement W2578735219 · doi:10.20965/jaciii.2000.p0187

Sampling Research on Advanced Computational Intelligence in Canada

2000· article· en· W2578735219 sur OpenAlexaboutno aff
Max Q.‐H. Meng, Witold Pedrycz

Notice bibliographique

RevueJournal of Advanced Computational Intelligence and Intelligent Informatics · 2000
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Mining Algorithms and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputational intelligenceDiversity (politics)Selection (genetic algorithm)Library scienceIntelligence analysisOperations researchArtificial intelligenceData scienceSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

The 1999 IEEE Canadian Conference on Electrical and computer Engineering (CCECE'99) was held from May 9 to 12, 1999, at the Shaw Conference Centre in Edmonton. The conference was a great success with over 380 papers presented and more than 400 peoples from 38 different countries presenting their recent research results. The area of Computational Intelligence was one of the vivid pursuits presented at the conference. Subsequently, we have been invited by the Editors-in-Chief of the Journal of Advanced Computational Intelligence to prepare a Special Issue of the Journal CCECE'99 conference. After a careful and strict peer review process, we have chosen six papers to be included in this special issue. They are selected from more than 20 papers submitted to this special issue, which are extended versions of the papers presented at the CCECE'99 conference in the areas of advanced computational intelligence. The papers fully reflect the breadth and diversity of conceptual and algorithmic facets of Computational Intelligence along with a spectrum of applications. We thank the authors and reviewers for doing an excellent job. We are grateful to Kaoru Hirota and Toshio Fukuda for making this selection of papers a part of the journal. We do hope the readers will enjoy this issue.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil0,985

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,027
Études des sciences et des technologies0,0110,006
Communication savante0,0120,005
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0410,003

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 Opus0,073
Tête enseignante GPT0,366
Écart entre enseignants0,293 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Computational Intelligence and Intelligent InformaticsMême sujetData Mining Algorithms and ApplicationsTravaux en français237 207