Enregistrement W4386938142 · doi:10.1007/978-3-031-44213-1

Artificial Neural Networks and Machine Learning – ICANN 2023

2023· book· en· W4386938142 sur OpenAlexfundno aff

Notice bibliographique

RevueLecture notes in computer science · 2023

Typebook

Langueen

DomaineComputer Science

ThématiqueMachine Learning in Healthcare

Établissements canadiensnon disponible

Organismes subventionnairesUniversity of North Carolina WilmingtonUniversidad Autónoma de TamaulipasShanghai University of Electric PowerUniversité de Franche-ComtéUniversitat Politècnica de CatalunyaHefei University of TechnologySouthern University of Science and TechnologyHefei UniversityHarokopio UniversityShenzhen UniversityRheinische Friedrich-Wilhelms-Universität BonnNanjing UniversityUniversity of BristolUniversité de StrasbourgTechnische Universität BerlinNorthwest Normal UniversityUniversité de BordeauxUniversity of Electronic Science and Technology of ChinaUniversitetet i OsloLeibniz-GemeinschaftNanjing University of Science and TechnologyNational and Kapodistrian University of AthensShanghai Jiao Tong UniversityAkademie Věd České RepublikyUniverzita Komenského v BratislaveKhalifa University of Science, Technology and ResearchUniversity of BrightonUniversiteit LeidenEberhard Karls Universität TübingenUniversity of the West of EnglandHamad Bin Khalifa UniversityAristotle University of ThessalonikiPolitechnika PoznańskaUniversitat Jaume ITongji UniversityBaiduUniversity of Nevada, RenoDeutsches Forschungszentrum für Künstliche IntelligenzUniversité du Littoral Côte d'OpaleUniversity of CyprusFriedrich-Schiller-Universität JenaRitsumeikan UniversityBaylor UniversityKyungpook National UniversityKU LeuvenNanjing Normal UniversityNorthwestern Polytechnical UniversityKing's College LondonEidgenössisches NuklearsicherheitsinspektoratČeské Vysoké Učení Technické v PrazeAcadia UniversityUniversity of TsukubaUniversity of DundeeSoochow UniversityArizona State UniversityNorthwestern UniversityUniversität HamburgUlster UniversityUniversity of Southern California

Mots-clésComputer scienceArtificial neural networkArtificial intelligenceFocus (optics)Machine learning

DOI10.1007/978-3-031-44213-1

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002

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

Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated

Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche

Catégories consensuellesaucune

DomaineSignal candidat: aucune · Signal consensuel: aucune

Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune

GenreSignal candidat: Méthodes · Signal consensuel: aucune

Score de désaccord entre enseignants0,628

Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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