Enregistrement W3128430428

JARINGAN SYARAF TIRUAN PREDIKSI JUMLAH PENGIRIMAN BARANG MENGGUNAKAN METODE BACKPROPAGATION ( STUDIKASUS: KANTOR POS BINJAI )

2021· article· id· W3128430428 sur OpenAlexaff

Ferry Rahmadani, Akim Manaor Hara Pardede, Nurhayati Nurhayati

Notice bibliographique

Revuenon disponible

Typearticle

Langueid

DomaineComputer Science

ThématiqueData Mining and Machine Learning Applications

Établissements canadiensKootenay Association for Science & Technology

Organismes subventionnairesnon disponible

Mots-clésBackpropagationArtificial neural networkComputer scienceArtificial intelligenceBenchmark (surveying)Process (computing)Machine learningIndonesianGeography

DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.

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)0,001

score de la tête « metaresearch » (Gemma)0,002

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: Empirique · Signal consensuel: aucune

Score de désaccord entre enseignants0,011

Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,001	0,002
Méta-épidémiologie (sens strict)	0,001	0,000
Méta-épidémiologie (sens large)	0,001	0,000
Bibliométrie	0,001	0,001
Études des sciences et des technologies	0,001	0,001
Communication savante	0,002	0,002
Science ouverte	0,000	0,001
Intégrité de la recherche	0,001	0,001
Charge utile insuffisante (le modèle a refusé de juger)	0,011	0,004

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 Opus0,019

Tête enseignante GPT0,274

Écart entre enseignants0,255 · 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

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

Citations9

Publié2021

Routes d'admission1

Résumé présentoui

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même sujetData Mining and Machine Learning Applications→Travaux en français237 207→