MétaCan
Menu
Retour à la cohorte
Enregistrement W2907994623 · doi:10.1109/tnnls.2018.2884305

Editorial: Booming of Neural Networks and Learning Systems

2019· editorial· en· W2907994623 sur OpenAlexaff
Akira Hirose, Alessio Micheli, Artur d’Avila Garcez, Choon Ki Ahn, Gang Pan, Hamid Reza Karimi, Jianbing Shen, José de Jesús Rubio, Lei Zhang, Lingjia Liu, Lorenzo Livi, Nian Zhang, Nishchal K. Verma, Pedro Antonio Gutiérrez, Qi Tian, Qinglai Wei, Seiichi Ozawa, Stuart H. Rubin, Wei–Neng Chen, Xi Li, Xiaofeng Liao, Youmin Zhang, Zhen Ni, Haibo He

Notice bibliographique

RevueIEEE Transactions on Neural Networks and Learning Systems · 2019
Typeeditorial
Langueen
DomaineNeuroscience
ThématiqueBrain Tumor Detection and Classification
Établissements canadiensConcordia UniversityUniversity of Manitoba
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoProgram for New Century Excellent Talents in UniversityEuropean CommissionKorea UniversityRoyal SocietySeoul National UniversityEngineering and Physical Sciences Research CouncilFok Ying Tung Education FoundationCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorEconomic and Social Research CouncilNuffield Foundation
Mots-clésKey (lock)Artificial neural networkComputer scienceTelecommunicationsArtificial intelligenceData scienceComputer security

Résumé

récupéré en direct d'OpenAlex

As you open this January issue of the IEEE Transactions on Neural Networks and Learning Systems (TNNLS), I hope everyone enjoyed a great holiday season and is excited for the new year of 2019. I am very delighted and honored to report several key metrics of IEEE TNNLS to the community.

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)0,008
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,033
Méta-épidémiologie (sens strict)0,0040,001
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0060,002
Études des sciences et des technologies0,0030,003
Communication savante0,0110,006
Science ouverte0,0040,001
Intégrité de la recherche0,0130,019
Charge utile insuffisante (le modèle a refusé de juger)0,0250,024

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 Opus0,015
Tête enseignante GPT0,243
Écart entre enseignants0,228 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Neural Networks and Learning SystemsMême sujetBrain Tumor Detection and ClassificationTravaux en français237 207