全知全能

用于一次性学习的Omniglot数据集。Omniglot数据集是为开发更人性化的学习算法而设计的。它包含1623个不同的手写字符从50个不同的字母表。1623个字符中的每一个都是由20个不同的人通过亚马逊的机械图尔克在网上绘制的。每幅图像都与笔划数据配对,笔划数据是一系列[x,y,t]坐标与时间(t)以毫秒为单位。


zbMATH中的参考文献(参考文献20条)

显示第1到第20个结果,共20个。
按年份排序(引用)

  1. 埃文斯,理查德;博恩贾克,马特科;伯辛,拉尔斯;埃利斯,凯文;普法,大卫;科利,普什梅特;塞尔戈特,马雷克:《理解原始输入》(2021年)
  2. 穆勒,海莫;霍尔津格,安德烈亚斯:康定斯基图案(2021)
  3. 王,李;Yan,Zhenya:数据驱动的流氓波和散焦非线性薛定谔方程中的参数发现(2021)
  4. 鲍里西亚克,马克西姆;里日科夫,阿泰姆;扎努斯蒂;德卡赫,丹尼斯;拉特尼科夫,费多;Mineeva,Olga:((1+\varepsilon))—分类:高度不平衡或不完整数据集的异常检测方法(2020)
  5. Icard,Thomas F.:校准生成模型:概率Chomsky Schützenberger层次结构(2020)
  6. 吕志新;Bassett,Danielle S.:可逆广义同步:神经系统内隐学习的假设机制(2020)
  7. 马切蒂,乔尼;帕特里亚卡,马可;Heinsalu,Els:命名游戏动力学的鸟瞰图:从特质竞争到贝叶斯推理(2020)
  8. 刘耀华,刘瑞生:面向元学习的模块化双层优化库(2020)阿尔十四
  9. 叶,韩佳;盛、向荣;詹德川:一种实用的元学习方法(2020)
  10. 卡斯特罗,丹尼尔C。;谭,杰里米;凯恩斯,伯恩哈德;科努科格鲁,恩德;Glocker,Ben:Morpho-MNIST:表征学习的定量评估和诊断(2019)
  11. 刘泽玉;杨,烟台;蔡庆东:神经网络作为函数逼近器及其在求解微分方程中的应用(2019)
  12. 瑞西,M。;佩迪卡里斯,P。;Karniadakis,G.E.:物理信息神经网络:求解非线性偏微分方程正反问题的深度学习框架(2019)
  13. 塞戈维亚·阿古斯、哈维尔;吉姆内斯,塞尔吉奥;Jonsson,Anders:使用经典规划师进行广义规划的计算程序(2019)
  14. 宋,阳秋;乌帕德耶,希亚姆;彭浩若;梅休,斯蒂芬;Roth,Dan:走向任何语言零镜头文本文档主题分类(2019)
  15. 泰尔,简·阿恩;赫南德斯·奥拉罗,何塞;费里,塞萨尔:教学规模:通用语言的可计算教师和学习者(2019)
  16. 杨一博;Perdikaris,巴黎:物理信息神经网络中的对抗性不确定性量化(2019)
  17. 舒贝尔,莎拉;基贝尔,斯特凡;Marković,Dimitrije:主动推理、信念传播和Bethe近似(2018)
  18. 布雷斯,塞巴斯蒂安;Thomas Burwick:《通过全球原型设计在深度网络中进行少量的学习》(2017)
  19. 黄海平:具有二元突触的受限Boltzmann机器中无监督特征学习的统计机制(2017)
  20. 莱克,布伦登M。;萨拉胡特迪诺夫,罗斯兰;Tenenbaum,Joshua B.:通过概率程序归纳法进行人类层面的概念学习(2015)