MétaCan
Menu
Retour à la cohorte
Enregistrement W4387418770 · doi:10.1007/978-3-031-40677-5

Embedded Machine Learning for Cyber-Physical, IoT, and Edge Computing

2023· book· en· W4387418770 sur OpenAlexfundno aff

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensnon disponible
Organismes subventionnairesIndiana University BloomingtonUniversity of Illinois at Urbana-ChampaignKarl-Franzens-Universität GrazQueen's UniversityTechnische Universität WienUniversität WienTamkeenTechnische Universität DresdenEidgenössische Technische Hochschule ZürichUniversità degli Studi di PadovaTechnische Universiteit EindhovenRadboud UniversiteitTechnische Universiteit DelftNew York University Abu DhabiQueen's University BelfastDrexel UniversityArizona State UniversityColorado State UniversityTU Graz, Internationale Beziehungen und MobilitätsprogrammeYork UniversityTechnische Universitat WienNational University of Sciences and TechnologyPurdue UniversityYale UniversityNational Science Foundation
Mots-clésCyber-physical systemComputer scienceInternet of ThingsEnhanced Data Rates for GSM EvolutionDistributed computingEdge computingResource (disambiguation)Artificial intelligenceSoftware engineeringData scienceComputer architectureHuman–computer interactionEmbedded systemOperating systemComputer network

Résumé

récupéré en direct d'OpenAlex

OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0510,025

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 GPT0,277
Écart entre enseignants0,252 · 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
GenreMéthodes

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

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNeural Networks and ApplicationsTravaux en français237 207