nipy/nibabel: 2.4.1
Notice bibliographique
Résumé
Bug fix release for the 2.4.x series. Most work on NiBabel so far has been by Matthew Brett (MB), Chris Markiewicz (CM), Michael Hanke (MH), Marc-Alexandre Côté (MC), Ben Cipollini (BC), Paul McCarthy (PM), Chris Cheng (CC), Yaroslav Halchenko (YOH), Satra Ghosh (SG), Eric Larson (EL), Demian Wassermann, and Stephan Gerhard. References like "pr/298" refer to github pull request numbers. 2.4.1 (Monday 27 May 2019) Contributions from Egor Pafilov, Jath Palasubramaniam, Richard Nemec, and Dave Allured. Enhancements Enable <code>mmap</code>, <code>keep_file_open</code> options when loading any <code>DataobjImage</code> (pr/759) (CM, reviewed by PM) Bug fixes Ensure loaded GIFTI files expose writable data arrays (pr/750) (CM, reviewed by PM) Safer warning registry manipulation when checking for overflows (pr/753) (CM, reviewed by MB) Correctly write .annot files with duplicate lables (pr/763) (Richard Nemec with CM) Maintenance Fix typo in coordinate systems doc (pr/751) (Egor Panfilov, reviewed by CM) Replace invalid MINC1 test file with fixed file (pr/754) (Dave Allured with CM) Update Sphinx config to support recent Sphinx/numpydoc (pr/749) (CM, reviewed by PM) Pacify <code>FutureWarning</code> and <code>DeprecationWarning</code> from h5py, numpy (pr/760) (CM) Accommodate Python 3.8 deprecation of collections.MutableMapping (pr/762) (Jath Palasubramaniam, reviewed by CM) API changes and deprecations Deprecate <code>keep_file_open == 'auto'</code> (pr/761) (CM, reviewed by PM)
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,683 | 0,060 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».