Notice bibliographique
Résumé
Evolutionary computation (EC) is the area of computer science and engineering that concerns itself with algorithms derived from formalizing natural evolution. This is part of a larger effort to draw inspiration from biological systems for computational purposes. Evolutionary computation methods have been used to solve optimization problems, to model systems, and to recognize patterns among other application tasks. Due to their reliance on stochasticity, they are characterized as heuristic search methods. The main features of evolutionary computation methods are their reliance on populations of searchers, the stochasticity of the search processes through mutation and recombination operations, and the application of relative strength as their selection criterion. The principle of cumulative selection allows searchers to continuously improve solutions until predefined termination criteria for the algorithms are fulfilled. The literature on evolutionary computation is comprised of a large body of proposals for algorithmic variants including hybridization schemes with other algorithms; of theoretical examinations of convergence features and other characteristics of particular variants; and of empirical studies of their performance under various testing environments, which are either constructed artificially or taken from practical applications to benchmark these variants. Furthermore, individual practical applications are published as stand-alone contributions to various fields of engineering, science, and other disciplines. Besides explicit fitness, the selection criteria for solution quality driven by external purposes like particular applications, other algorithms are studied under intrinsic selection criteria like reproductive success in an environment. Algorithms of this type come under the heading of digital or computational evolution and intend to more closely model the natural systems EC algorithms draw inspiration from. This entails studies of robustness and evolvability under various systems settings, as well as examinations of the power of algorithms to provide creative novel solutions under more-natural conditions like in an ecosystem.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,010 |
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 ».