ligo-cbc/pycbc: Post-O2 Release 8
Notice bibliographique
Résumé
This is the eighth post-O2 release of PyCBC for analysis of data taken during Advanced LIGO's second observing run and Advanced Virgo's first observing run. This release is identical to the 1.9.3, except that it contains https://github.com/ligo-cbc/pycbc/commit/2557bb573c1b46fb926fbfa1345545dd15ef72ea that fixes the bad setup.py file in v1.9.3. This release has been tested against LALSuite with the hash: 8cbd1b7187ce3ed9a825d6ed11cc432f3cfde9a5 This provides functionality to provide a windowing function to apply to data segments before PSD estimation. Details of the changes since the 1.9.2 release are at https://github.com/ligo-cbc/pycbc/compare/v1.9.2..v1.9.4 A Docker container for this release is available from the pycbc/pycbc-el7 repository on Docker Hub and can be downloaded using the command: docker pull pycbc/pycbc-el7:v1.9.4 On a machine with CVMFS installed, a pre-built virtual environment is available for Red Hat 7 compatible operating systems by running the command: source /cvmfs/oasis.opensciencegrid.org/ligo/sw/pycbc/x86_64_rhel_7/virtualenv/pycbc-v1.9.4/bin/activate and for Debian 8 compatible operating systems by running the command: source /cvmfs/oasis.opensciencegrid.org/ligo/sw/pycbc/x86_64_deb_8/virtualenv/pycbc-v1.9.4/bin/activate A bundled pycbc_inspiral executable for use on the Open Science Grid is available at /cvmfs/oasis.opensciencegrid.org/ligo/sw/pycbc/x86_64_rhel_6/bundle/v1.9.4/pycbc_inspiral
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,262 | 0,319 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».