CIFAR公司

CIFAR-10和CIFAR-100是8000万个微型图像数据集的子集。它们由亚历克斯·克里兹夫斯基、维诺德·奈尔和杰弗里·辛顿收集。CIFAR-10数据集包括10个级别的60000个32x32彩色图像,每个级别有6000个图像。有5万张训练图像和1万张测试图像。数据集分为五个训练批和一个测试批,每个批有10000张图像。测试批包含从每个类中随机选择的1000个图像。训练批处理按随机顺序包含剩余的图像,但是某些训练批处理可能包含来自一个类的图像多于另一个类的图像。其中,训练批次包含每个班级的5000张图片。CIFAR-100数据集:这个数据集与CIFAR-10一样,只是它有100个类,每个类包含600个图像。每节课有500张训练图片和100张测试图片。CIFAR-100中的100个类分为20个超类。每个图像都有一个“精细”标签(它所属的类)和一个“粗糙”标签(它所属的超类)。


zbMATH中的参考文献(参考文献128篇文章)

显示128个结果中的1到20个。
按年份排序(引用)

1 2 ... 5 6 7 下一个

  1. 陈其平;文瑞、文瑞;何俊才:基于线性乘积结构的神经网络权值初始化(2022)
  2. 阿维林,本尼;Nyström,Kaj:Neural ODEs as the deep limit of ResNets with constant weights(2021年),Kaj,Nyström:Neural ODEs as the deep limit of Resnet with constant weights(2021年)
  3. 阿尔伯特贝姆帕德;Piga,Dario:基于径向基函数主动偏好学习的全局优化(2021)
  4. 卡斯特拉,卡米尔;博尔特,杰罗姆;费沃特,塞德里克;爱德华·鲍威尔:深度学习的惯性牛顿算法(2021)
  5. 高加索,马克西姆;古普塔、苏亚什;杜奇,约翰C.:了解你所知道的:多类和多标签预测中的有效和有效置信集(2021)
  6. 程,宜春;王新雷;夏玉森:用于数据可视化和分类的监督(t)-分布式随机邻域嵌入(2021)
  7. 陈继宇;郭一文;郑乾君;陈浩:利用深层次分类网络的生成能力保护其隐私(2021)
  8. 克里斯托法里,安德里亚;Rinaldi,Francesco:结构优化问题的无导数方法(2021)
  9. Czaja、Wojciech;咚,咚;杰宾,皮埃尔·艾曼纽;Ndjakou Njeunje,Franck Olivier:特征提取的传输模型(2021)
  10. 达沃迪,阿拉什·戈拉米;张,肖恩;柳贤刚;巴韦加,阿努巴夫;蒙吉亚,米希尔;Mohimani,Hosein:ForestDSH:离散概率分布的通用哈希设计(2021)
  11. 加尔文,朱利奥;拉普奇,马特奥;林志仁;马尔科,Scandrone:一个利用一阶和二阶信息的支持向量机训练问题的两层分解框架(2021)
  12. 高庆义;王晓:深层神经网络对抗学习泛化界的理论研究(2021)
  13. Ghods,阿利雷扎;Cook,Diane J.:所有分类器都可以采用的深层网络技术调查(2021)
  14. 胡克,亨利;弗兰克,艾比;伯哈德,普法林格;Cree,Michael J.:通过加强Lipschitz连续性实现神经网络的正则化(2021)
  15. 陆海平、刘先元、罗伯特·特纳、白培珍、雷沃·库特、周硕、穆斯塔法·查斯迈、劳伦斯·肖布斯:PyKale:从Python的多个来源进行知识感知机器学习(2021)阿尔十四
  16. 郝杰;朱威廉:建筑自我注意机制:神经结构搜索的非线性优化(2021)
  17. 哈里斯,伊桑;米海,丹妮拉;Hare,Jonathon:卷积神经网络结构偏差是如何学习对立和颜色调整的(2021)
  18. 黄俊浩;孙伟泽;黄磊:多目标稀疏神经网络的联合结构与参数优化(2021)
  19. Imaizumi,Masaaki:深入学习的机制分析:泛化错误的视角(2021)
  20. 琼斯,伊琳娜·西蒙娜;Kording,korrad-Paul:单个神经元是否可以通过树突树上的连续计算来解决有趣的机器学习问题?(2021年)

1 2 ... 5 6 7 下一个