dodge-research-group/thztools: THzTools v0.4.0 (alpha)
Notice bibliographique
Résumé
Changed Rename module constant global_options as options Rename tdnoisefit as noisefit Rename NoiseModel attributes alpha, beta and tau as sigma_alpha, sigma_beta and sigma_tau, respectively Rename NoiseModel methods amplitude, noise, and variance as noise_amp, noise_sim, and noise_var, respectively Revise noisefit and associated functions to treat each of the 3 noise parameters separately instead of as a 3-component array, so that each may fixed independently in the optimization process Adjust internal scaling in noisefit Reorganize NoiseResult class as output for noisefit Revise NoiseResult docstring Rename transfer_out as transfer Rename fft_sign parameter as numpy_sign_convention in transfer Make dt and t0 keyword-only arguments in wave and set defaults Change position of dt in scaleshift, tdnoisefit, transfer docstrings and change defaults Revise defaults for wave Change default value for dt in fit Improve type annotations Update tests Update dependencies in environment-dev.yml and pyproject.toml Revise Getting Started page Revise documentation, including Sphinx format and project-specific layout Added Add R. P. Hall, Laleh Mohtashemi and Naod Yimam to the author list Add missing ORCID IDs Add get_option and set_option functions to handle global options Add attributes to NoiseResult class Add timebase function Add seed parameter in NoiseModel.noise_sim Add NoiseResult class to documentation Add doctests Add warnings Add paper directory with bib-file and stub for JOSS paper Add draft-pdf.yml GitHub Action to autogenerate JOSS paper; update deprecated upload-artifact Action in workflow Add Contributing and Examples pages to documentation Add Code of Conduct Add gallery of Jupyter notebook examples to documentation using nbsphinx Fixed Fix error in units of NoiseModel.sigma_tau in noisefit Fix bug related to eta scaling in noisefit
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,396 | 0,388 |
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 ».