Enregistrement W4386932598 · doi:10.1007/978-3-031-44223-0

Artificial Neural Networks and Machine Learning – ICANN 2023

2023· book· en· W4386932598 sur OpenAlexfundno aff

Notice bibliographique

RevueLecture notes in computer science · 2023

Typebook

Langueen

DomaineComputer Science

ThématiqueMachine Learning in Healthcare

Établissements canadiensnon disponible

Organismes subventionnairesShanghai University of Electric PowerUniversité de Franche-ComtéHefei University of TechnologyConsejo Superior de Investigaciones CientíficasSouthern University of Science and TechnologyUniversidad Autónoma de TamaulipasUniversity of Chinese Academy of SciencesHefei UniversityHarokopio UniversityShenzhen UniversityUniversidade do MinhoRheinische Friedrich-Wilhelms-Universität BonnNanjing UniversitySoochow UniversityNational University of Defense TechnologyUniversity of TsukubaMoscow Institute of Physics and TechnologyAristotle University of ThessalonikiUniversidade da CoruñaBulgarian Academy of SciencesUniversität HamburgUniversity of Electronic Science and Technology of ChinaUniversitetet i OsloLeibniz-GemeinschaftNanjing University of Science and TechnologyShanghai Jiao Tong UniversityAkademie Věd České RepublikyUniverzita Komenského v BratislaveKhalifa University of Science, Technology and ResearchNational and Kapodistrian University of AthensChinese Academy of SciencesUniversity of North Carolina WilmingtonUniversité de ToulouseUniversity of BrightonUniversiteit LeidenEberhard Karls Universität TübingenTechnische Universität BerlinUniversity of BristolUniversité de StrasbourgNanjing Normal UniversityÉcole Polytechnique Fédérale de LausanneUlster UniversityEidgenössisches NuklearsicherheitsinspektoratČeské Vysoké Učení Technické v PrazeAcadia UniversityIndian Institute of Technology KanpurUniversity of the West of EnglandHamad Bin Khalifa UniversityPolitechnika PoznańskaUniversitat Jaume ITongji UniversityBaiduFriedrich-Schiller-Universität JenaUniversity of CyprusEdinburgh Napier UniversityUniversity of Nevada, RenoDeutsches Forschungszentrum für Künstliche IntelligenzUniversité du Littoral Côte d'OpaleUniversitat Politècnica de CatalunyaUniversidade de AveiroTechnische Universität DresdenNorthwestern Polytechnical UniversityKing's College LondonUniversity of DundeeNorthwestern UniversityTU Graz, Internationale Beziehungen und MobilitätsprogrammeKU LeuvenKyungpook National UniversityUniversité de BordeauxNorthwest Normal UniversityRitsumeikan UniversityBaylor UniversityArizona State UniversityUniversity of Southern California

Mots-clésComputer scienceArtificial neural networkArtificial intelligenceMachine learning

DOI10.1007/978-3-031-44223-0

Résumé

récupéré en direct d'OpenAlex

Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,000

score de la tête « metaresearch » (Gemma)0,001

Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated

Catégories candidatesaucune

Catégories consensuellesaucune

DomaineSignal candidat: aucune · Signal consensuel: aucune

Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune

GenreSignal candidat: Autre · Signal consensuel: Autre

Score de désaccord entre enseignants0,039

Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

Catégorie	Codex	Gemma
Métarecherche	0,000	0,001
Méta-épidémiologie (sens strict)	0,001	0,001
Méta-épidémiologie (sens large)	0,001	0,000
Bibliométrie	0,001	0,003
Études des sciences et des technologies	0,000	0,001
Communication savante	0,002	0,002
Science ouverte	0,001	0,001
Intégrité de la recherche	0,001	0,002
Charge utile insuffisante (le modèle a refusé de juger)	0,039	0,033

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 Opus0,025

Tête enseignante GPT0,279

Écart entre enseignants0,253 · 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'étudeSans objet

Domainenon disponible

GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4

Publié2023

Routes d'admission1

Résumé présentnon

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

Explorer davantage

Même revueLecture notes in computer science→Même sujetMachine Learning in Healthcare→Travaux en français237 207→