Notice bibliographique
Résumé
1.1.7 (December 17, 2018) Full changelog FIX: Copy node list before generating a flat graph (https://github.com/nipy/nipype/pull/2828) FIX: Update pytest req'd version to 3.6 (https://github.com/nipy/nipype/pull/2827) FIX: Set ResourceMonitor.fname to an absolute path (https://github.com/nipy/nipype/pull/2824) FIX: Order of SPM.NewSegment channel_info boolean tuple is (Field, Corrected) (https://github.com/nipy/nipype/pull/2817) FIX: Indices were swapped for memory and cpu profile data (https://github.com/nipy/nipype/pull/2816) FIX: status_callback not called with stop_on_first_crash (https://github.com/nipy/nipype/pull/2810) FIX: Change undefined ScriptError on LFS plugin to IOError (https://github.com/nipy/nipype/pull/2803) ENH: Add NaN failure mode to CompCor interfaces (https://github.com/nipy/nipype/pull/2819) ENH: Enable cnr_maps and residuals outputs for FSL eddy (https://github.com/nipy/nipype/pull/2750) ENH: Improve str2bool + doctests (https://github.com/nipy/nipype/pull/2807) TST: Improve py.test configuration of doctests (https://github.com/nipy/nipype/pull/2802) DOC: Update DOI badge to point to all versions (https://github.com/nipy/nipype/pull/2804) MAINT: Offload interfaces with help formatting (https://github.com/nipy/nipype/pull/2797) MAINT: Reduce minimal code redundancy in filemanip.get_dependencies (https://github.com/nipy/nipype/pull/2782) MAINT: Delayed imports to reduce import time (https://github.com/nipy/nipype/pull/2809)
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,008 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,503 | 0,651 |
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 ».