Notice bibliographique
Résumé
Malaysia has been developed from one stage to another stage. By looking at the transportation in Malaysia, there are about too many types of transport that are commonly used either private or public_ s- uCh as Car and bus. One Of the franjoft which now days got attention from the public is transit such as KTM Commuter, Express Rail Link (ERL), I<L Monorail, Putra LRT and STAR -LRT. Mos± people like to use this type of transport because to avoid from traffic congestion on the road or to choose the easiest method to move from one destination to another. Nevertheless, these transit also facing with a lot of problems including the customer satisfaction and delay of train. Anyhow, the customer always faces difficulty to krnd the shortest route. Failed to do so the cost will be increased according to the route chosen and the time is not accurate. This is because there are too many option of route to go to each destination. This problem comes when users need to change from one train to another train to reach the destination. Until now Malaysia-has five type of transit that is often used. Malaysian Network Transit Route Advisor (MANTRA) is a web based system that especially developed to guide the people when using the Malaysian Transit. MANTRA has two main functions. The first is to estimate the lowest cost base on time travelling from one station to another and the second function is estimate the lowest cost base on the ticket price. MANTRA using Dijkstra's Algorithm to realize these functions. frIANTRA 98% successfully to advice the tourist goes to the destination using Malaysia Transit.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,784 | 0,641 |
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 ».