Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

add naturalistic memory metrics

Aperta
#116 2 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
3/5
Tempo stimato
1-2 giorni
Idoneità per principianti
45/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
python
Ambito
analytics, data

Direzione di ricerca

L’issue non indica file, test o punti di ingresso; inizia individuando le implementazioni esistenti delle metriche di memoria e le strutture dati per i recall events di quail. Confronta le loro API con le tre formule proposte, quindi considera il lavoro da svolgere quando precision, distinctiveness e recall autocorrelation sono disponibili tramite l’interfaccia delle metriche esistente del progetto e corrispondono a tali definizioni.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

We developed a few interesting memory metrics for the sherlock paper, which would be relatively easy to port into quail:

  1. Precision: how precisely the recall events match the video events
  • the mean correlation between each recall event and the highest matching video event (can also be computed on a per event basis)
  • code: [np.max(1 - cdist(video_events, r, 'correlation'), 0).mean() for r in recall_events]
  1. Distinctiveness: how distinctive the recall events are from other recall events
  • the mean of the upper triangle of the recall event correlation matrix (can also be computed on a per event basis)
    -code: [1 - np.triu(np.corrcoef(r)).mean() for r in recall_events]
  1. Recall autocorrelation: the rate at which the recall content changes over time
  • the autocorrelation of the recall matrix (not recall event matrix)
Lingua principale
Python
Stelle
22
Fork
10
Nessuna PR unita negli ultimi 30g

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di ContextLab/quail

Tutte le issue di ContextLab/quail

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.