会员服务
MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据。
Hardware-In-The-Loop Training of a 4f Optical Correlator with Logarithmic Complexity Reduction for CNNs
Arxiv
0+阅读 · 1月7日
Rethinking Deep Learning: Non-backpropagation and Non-optimization Machine Learning Approach Using Hebbian Neural Networks
Arxiv
0+阅读 · 2024年12月27日
Data-Driven Priors in the Maximum Entropy on the Mean Method for Linear Inverse Problems
Arxiv
0+阅读 · 2024年12月23日
KeTS: Kernel-based Trust Segmentation against Model Poisoning Attacks
Arxiv
0+阅读 · 1月12日
Opening the Black Box: predicting the trainability of deep neural networks with reconstruction entropy
Arxiv
1+阅读 · 2024年12月19日
Application of Quantum Pre-Processing Filter for Binary Image Classification with Small Samples
Arxiv
1+阅读 · 2024年12月16日
MNIST-Fraction: Enhancing Math Education with AI-Driven Fraction Detection and Analysis
Arxiv
1+阅读 · 2024年12月11日
Learning in Wilson-Cowan model for metapopulation
Arxiv
0+阅读 · 2024年12月5日
Adversarial Sample-Based Approach for Tighter Privacy Auditing in Final Model-Only Scenarios
Arxiv
0+阅读 · 2024年12月2日
Multi-Branch Generative Models for Multichannel Imaging with an Application to PET/CT Synergistic Reconstruction
Arxiv
0+阅读 · 2024年11月22日
High-performance real-world optical computing trained by in situ gradient-based model-free optimization
Arxiv
0+阅读 · 2024年11月21日
Rethinking Deep Learning: Non-backpropagation and Non-optimization Machine Learning Approach Using Hebbian Neural Networks
Arxiv
0+阅读 · 2024年11月7日
Attention Masks Help Adversarial Attacks to Bypass Safety Detectors
Arxiv
0+阅读 · 2024年11月7日
Human-in-the-Loop Feature Selection Using Interpretable Kolmogorov-Arnold Network-based Double Deep Q-Network
Arxiv
0+阅读 · 2024年11月6日
A Novel Access Control and Privacy-Enhancing Approach for Models in Edge Computing
Arxiv
0+阅读 · 2024年11月6日
参考链接
父主题
数据集
微信扫码咨询专知VIP会员
Top