Notice bibliographique
Résumé
New feature release in the 5.1.x series. Most work on NiBabel so far has been by Matthew Brett (MB), Chris Markiewicz (CM), Michael Hanke (MH), Marc-Alexandre Côté (MC), Ben Cipollini (BC), Paul McCarthy (PM), Chris Cheng (CC), Yaroslav Halchenko (YOH), Satra Ghosh (SG), Eric Larson (EL), Demian Wassermann, Stephan Gerhard and Ross Markello (RM). References like "pr/298" refer to github pull request numbers. Enhancements Make imagestats available with import nibabel (pr/1208) (Fabian Perez, reviewed by CM) Use symmetric threshold for identifying unit quaternions on qform calculations (pr/1182) (CM, reviewed by MB) Type annotations for nibabel.loadsave (pr/1213) and nibabel.spatialimages.SpatialImage APIs (pr/1179), nibabel.deprecated, nibabel.deprecator, nibabel.onetime and nibabel.optpkg modules (pr/1188), nibabel.volumeutils (pr/1189), nibabel.filename_parser and nibabel.openers (pr/1197) (CM, reviewed by Zvi Baratz) Bug fixes Require explicit overrides to write GIFTI files that contain data arrays with data types not permitted by the GIFTI standard (pr/1199) (CM, reviewed by Alexis Thual) Maintenance Move compression detection logic into a private nibabel._compression module, resolving unexpected errors from pyzstd. (pr/1212) (CM) Improved consistency of docstring formatting (pr/1200) (Zvi Baratz, reviewed by CM) Modernized README text (pr/1195) (Zvi Baratz, reviewed by CM) Updated README badges to include package distributions (pr/1192) (Horea Christian, reviewed by CM) Removed all dependencies on distutils and setuptools (pr/1190) (CM, reviewed by Zvi Baratz) Add a _version.pyi stub to allow mypy to run without building nibabel (pr/1210) (CM) New Contributors @TheChymera made their first contribution in https://github.com/nipy/nibabel/pull/1192 @Factral made their first contribution in https://github.com/nipy/nibabel/pull/1208 Full Changelog: https://github.com/nipy/nibabel/compare/5.0.1...5.1.0
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,419 | 0,565 |
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 ».