ME-ICA/tedana: 0.0.6
Notice bibliographique
Résumé
Release Notes We had several major changes this release, including: Changes PCA default component selection to MLE, with previous decision tree accessible through kundu_pca argument Adds verbose outputs for visualization and debugging Addition of tedort argument Bug fix for user-defined mask with poor signal Improved documentation, logging, and issue templates also added. With thanks to @dowdlelt, @jbteves, @KirstieJane, and @tsalo ! Changes Hyperlink DOIs to preferred resolver (#165) @katrinleinweber [REF] Replace hard-coded F-statistic thresholds with scipy.stats function call (#156) @tsalo [FIX] Include ignored components in ME-DN T1c time series (#125) @tsalo [REF] Remove unused arguments and simplify CLI (#163) @tsalo [DOC] Add FAQ and link to ME papers spreadsheet (#160) @tsalo [DOC] Improve logging (#167) @tsalo [FIX] Reduce user-defined mask when there is no good signal (#172) @tsalo [ENH] Add tedort argument to tedana workflow (#155) @tsalo [ENH] Split automatic dimensionality detection from decision tree in TEDPCA (#164) @tsalo [ENH] Add verbose outputs for pipeline walkthrough (#174) @tsalo [fix] update python version support in README (#182) @emdupre [DOC] Fix eimask logging, ste definitions in eigendecomp (#184) @dowdlelt [DOC] Fix arg parser (#195) @dowdlelt Fix broken link to code of conduct (#198) @KirstieJane [DOC] Add tedana development setup instructions (#197) @jbteves Corrects README.md to show correct conda and pip instructions (#205) @jbteves [FIX] Propagate TR to ref_image header (#207) @dowdlelt [FIX] Do not use minimum mask for OC data in tedpca (#204) @tsalo [ENH] Adds issue templates for bugs and discussions (#189) @jbteves [ENH] Normalize all the line endings (#191) @jbteves
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,419 | 0,363 |
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 ».