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。
The influence of the random numbers quality on the results in stochastic simulations and machine learning
Arxiv
0+阅读 · 10月29日
Convolutional Spiking-based GRU Cell for Spatio-temporal Data
Arxiv
0+阅读 · 10月29日
The Tree-SNE Tree Exists
Arxiv
0+阅读 · 10月16日
PrivSpike: Employing Homomorphic Encryption for Private Inference of Deep Spiking Neural Networks
Arxiv
0+阅读 · 10月5日
Dale meets Langevin: A Multiplicative Denoising Diffusion Model
Arxiv
0+阅读 · 10月3日
LASANA: Large-Scale Surrogate Modeling for Analog Neuromorphic Architecture Exploration
Arxiv
0+阅读 · 7月18日
LASANA: Large-scale Surrogate Modeling for Analog Neuromorphic Architecture Exploration
Arxiv
0+阅读 · 7月14日
QA-HFL: Quality-Aware Hierarchical Federated Learning for Resource-Constrained Mobile Devices with Heterogeneous Image Quality
Arxiv
0+阅读 · 9月21日
Quantum Complex-Valued Self-Attention Model
Arxiv
0+阅读 · 4月7日
Quantum Generative Models for Image Generation: Insights from MNIST and MedMNIST
Quantum Generative Models for Image Generation: Insights from MNIST and MedMNIST
Arxiv
0+阅读 · 4月3日
A Metric-based Principal Curve Approach for Learning One-dimensional Manifold
Arxiv
0+阅读 · 3月18日
Rank Reduction Autoencoders
Arxiv
0+阅读 · 3月25日
FBFL: A Field-Based Coordination Approach for Data Heterogeneity in Federated Learning
Arxiv
0+阅读 · 2月12日
Addressing Label Shift in Distributed Learning via Entropy Regularization
Arxiv
0+阅读 · 2月4日
Towards Universal Certified Robustness with Multi-Norm Training
Arxiv
0+阅读 · 1月31日
参考链接
父主题
数据集
微信扫码咨询专知VIP会员
Top