Notice bibliographique
Résumé
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. 4.0.0 (Saturday 18 June 2022) New feature release in the 4.0.x series. New features Add 'mask', 'compat' and 'smallest' dtype aliases to NIfTI images to allow for dtype specifications that can depend on the contents of the data. 'mask' is a synonym for uint8. 'compat' will find the nearest Analyze-compatible (therefore widely supported) dtype that will not truncate the data. 'smallest' attempts to find the smallest integer dtype that will contain the data. (pr/1096) (CM, reviewed by Chris Rorden and Josh Teves) Add dtype arguments to Cifti2Image (pr/1111) (CM) Allow dtypes to be passed to Analyze-like images at __init__() and to_filename() to provide better control over output images. (pr/1082) (CM, following discussions with Chris Rorden, Josh Teves, Jerome Dockes, and MB) Allow compressed GIFTI images (MB, reviewed by CM) Add zstd compression support (pr/1005) (Andrew Van, reviewed by CM) Support ExternalFileBinary GIFTI data arrays (PM, reviewed by CM) Enhancements Document InTemporaryDirectory as non-thread-safe (pr/1103) (Jacob Roberts, reviewed by MB) Unify Caret-XML-style metadata structure (GiftiMetaData, Cifti2MetaData) as dict-like (pr/1091) (CM, reviewed by Josh Teves and Hao-Ting Wang) Add __repr__ methods to GIFTI objects (pr/1092) (CM, reviewed by Josh Teves and Hao-Ting Wang) Create gzip header deterministically by default (pr/1024) (CM, reviewed by YOH) Provide clear error message when files with zip extensions don't match file contents (pr/1013) (Jérôme Dockès, reviewed by CM) Bug fixes Re-import externals/netcdf.py from scipy to resolve numpy API change (pr/1110) (CM) Resize ArraySequence.data without helper function to avoid reference increment (pr/1093) (MC, reviewed by CM) Maintenance Update submodule URLs to use https over git protocol (pr/1097) (CM) Published BIAP 9: CoordinateImage API (pr/1084) (CM) Drop uses of deprecated distutils (pr/1073) (CM, reviewed by MB) Suppress LGTM false alarm "Clear-text logging of sensitive information" (pr/1052) (Dimitri Papadopoulos, reviewed by CM) Test on Python 3.10 (pr/1047) (CM) Fix typos found by codespell (pr/1040, pr/1044) (Dimitri Papadopoulos, reviewed by CM) Run stable tests weekly, pre-release tests nightly (pr/1025) (CM) Documentation updates to establish/clarify governance and decision making (pr/1019, pr/1020, pr/1022, pr/1018, pr/1017, pr/1016) (MB and CM) API changes and deprecations Writing NIfTIs with 64-bit integer dtypes is getting harder. Passing (u)int64 arrays to Nifti1Image and subclasses will warn unless a header or dtype option is passed; in the future this will become an error. Additionally, passing int or 'int' to set_data_dtype() now raises an error, requiring an explicit numpy dtype to make 64-bit integer images. (pr/1082) (CM, following discussions with Chris Rorden, Josh Teves, Jerome Dockes, and MB) Drop support for Python 3.6, Numpy < 1.17 (pr/1079) (CM) Fully removed the following APIs, which have raised errors on use since 3.0 (pr/980) (CM, reviewed by Jonathan Daniel) nibabel.trackvis nibabel.volumeutils.calculate_scale nibabel.volumeutils.can_cast nibabel.volumeutils.scale_min_max nibabel.dataobj_images.DataobjImage.get_shape nibabel.minc1.MincImage (use Minc1Image) nibabel.minc1.MincFile (use Minc1File) nibabel.filebasedimages.FileBasedImage.from_files nibabel.filebasedimages.FileBasedImage.filespec_to_files nibabel.filebasedimages.FileBasedImage.to_filespec nibabel.filebasedimages.FileBasedImage.to_files nibabel.arrayproxy.ArrayProxy.header keep_file_open=="auto" parameter to load method (now must be boolean)
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,428 | 0,404 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».