Список наборів даних для досліджень з машинного навчання

сторінка-список у проекті Вікімедіа

Набори даних використовуються для дослідження машинного навчання, посилання на них використовуються в наукових академічних статтях. Набори даних є невід’ємною частиною галузі машинного навчання. Значні досягнення в цій галузі можуть бути результатом прогресу в алгоритмах навчання (наприклад, deep learning), комп'ютерного обладнання та, що не так очевидно, доступності високоякісних наборів навчальних даних.[1] Високоякісні марковані навчальні набори даних для алгоритмів машинного навчання з учителем і напівавтоматичне навчання зазвичай важко та дорого створити через велику кількість часу, необхідного для позначення даних. Хоча їх не потрібно позначати, високоякісні набори даних для напівавтоматичного навчання також може бути складним і дорогим у створенні. Набори даних орієнтовані, здебільшого, на вирішення задач класифікації та розпізнавання і містять оцифровані зображення, відео, тексти, сигнали, звуки тощо.[2][3][4][5]

Данні зображенняРедагувати

Ці набори даних складаються переважно із зображень або відео використовуються для таких завдань, як виявлення об’єктів, розпізнавання обличчя та класифікація за кількома мітками.

Розпізнавання осібРедагувати

У комп’ютерному баченні зображення облич широко використовуються для розробки систем які розпізнають  обличя, займаються обнаруженням обляч та багатьох інших проектів.

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Aff-Wild 298 відео з 200 особами, ~1 250 000 анотованих вручну зображень: анотовані з точки зору афекту розмірів (валентність-збудження); обстановка в дикій природі; база кольорів; різні дозволи (середнє = 640x360) виявлені обличчя, орієнтири обличчя та анотації валентно-збудження Приблизно 1 250 000 зображень з анотаціями вручну відео (візуальні + аудіомодальності) розпізнавання афекту (оцінка валентності-збудження) 2017 CVPR[6]

IJCV[7]

D.Kollias et al.

Aff-Wild2 558 відео з 458 особами, ~2 800 000 зображень, анотованих вручну: анотовані за і) категоричним афектом (7 основних виразів: нейтральний, щастя, смуток, здивування, страх, огида, гнів); ii) вимірний афект (валентність-збудження); iii) одиниці дії (AUs 1,2,4,6,12,15,20,25); обстановка в дикій природі; база кольорів; різні дозволи (середнє = 1030x630) виявлені обличчя, виявлені та вирівняні обличчя та анотації Приблизно 2 800 000 зображень з анотаціями вручну відео (візуальні + аудіомодальності) розпізнавання афекту (оцінка валентності-збудження, базова класифікація виразів, виявлення одиниць дії) 2019 BMVC[8]

FG[9]

D.Kollias et al.
Face Recognition Technology (FERET) 11338 зображень 1199 осіб у різних позиціях і в різний час. Немає. 11,338 Зображення Класифікація, розпізнавання обличчя 2003 [10][11] United States Department of Defense
Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS) 7356 відео та аудіозаписів 24 професійних акторів. По 8 емоцій у двох інтенсивності. Файли, позначені виразом. Оцінки перевірки сприйняття надані 319 оцінювачами. 7,356 Відео, звукові файли Класифікація, розпізнавання обличчя, розпізнавання голосу 2018 [12][13] S.R. Livingstone and F.A. Russo
SCFace Кольорові зображення облич під різними кутами. Розташування виділених рис обличчя. Наведені координати об’єктів. 4,160 Зображення, текст Класифікація, розпізнавання обличчя 2011 [14][15] M. Grgic et al.
Yale Face Database Обличчя 15 осіб у 11 різних виразах. Мітки виразів. 165 Зображення Розпізнавання обличчя 1997 [16][17] J. Yang et al.
Cohn-Kanade AU-Coded Expression Database Велика база даних зображень з мітками для виразів. Відстеження певних рис обличчя. 500+ послідовностей Зображення, текст Аналіз виразу обличчя 2000 [18][19]

T. Kanade et al.

JAFFE Facial Expression Database 213 зображень із 7 виразами обличчя (6 основних виразів обличчя + 1 нейтральний), створених 10 японськими моделями. Зображення обрізаються до області обличчя. Включає дані семантичних оцінок на етикетках емоцій. 213 Зображення, текст Розпізнавання виразу обличчя 1998 [20][21] Lyons, Kamachi, Gyoba
FaceScrub Зображення публічних діячів, видалені з пошуку зображень. Назва та м/ж анотація. 107,818 Зображення, текст Розпізнавання обличчя 2014 [22][23] H. Ng et al.
BioID Face Database Зображення облич із позначеними положеннями очей. Встановіть положення очей вручну. 1521 Зображення, текст Розпізнавання обличчя 2001 [24][25] BioID
Skin Segmentation Dataset Довільно відібрані значення кольорів із зображень облич. B, G, R, значення витягнуті. 245,057 Текст Сегментація, класифікація 2012 [26][27] R. Bhatt.
Bosphorus База даних 3D зображень обличчя. 34 одиниці дії та 6 виразів, позначених; Позначено 24 орієнтири на обличчі. 4652 Зображення, текст Розпізнавання облич, класифікація 2008 [28][29] A Savran et al.
UOY 3D-Face нейтральне обличчя, 5 виразів: гнів, щастя, смуток, очі закриті, брови підняті. маркування. 5250 Зображення, текст Розпізнавання облич, класифікація 2004 [30][31] University of York
CASIA Вирази: гнів, посмішка, сміх, здивування, закриті очі. Немає. 4624

Зображення, текст

Розпізнавання облич, класифікація 2007 [32][33] Institute of Automation, Chinese Academy of Sciences
CASIA Вирази: Злість, Відраза, Страх, Щастя, Смуток, Подив. Немає. 480 Відео з анотованим видимим спектром і ближнім інфрачервоним випромінюванням знімає зі швидкістю 25 кадрів в секунду Розпізнавання облич, класифікація 2011 [34] Zhao, G. et al.
BU-3DFE нейтральне обличчя і 6 виразів: гнів, щастя, смуток, здивування, огида, страх (4 рівні). Вилучено 3D-зображення. Немає. 2500 Зображення, текст Розпізнавання виразу обличчя, класифікація 2006 [35] Binghamton University
Face Recognition Grand Challenge Dataset До 22 зразків для кожного предмета. Вирази: гнів, щастя, смуток, здивування, огида, роздутий. 3D дані. Немає. 4007 Зображення, текст Розпізнавання облич, класифікація 2004 [36][37] National Institute of Standards and Technology
Gavabdb До 61 зразка для кожного предмета. Вирази обличчя нейтральні, посмішка, фронтальний акцентований сміх, фронтальний довільний жест. 3D зображення. Немає. 549 Зображення, текст Розпізнавання облич, класифікація 2008 [38][39] King Juan Carlos University
3D-RMA До 100 предметів, вирази переважно нейтральні. Також кілька поз. Немає. 9971 Зображення, текст Розпізнавання облич, класифікація 2004 [40][41] Royal Military Academy (Belgium)
SoF 112 осіб (66 чоловіків і 46 жінок) носять окуляри за різних умов освітлення. Набір синтетичних фільтрів (розмиття, оклюзії, шуми та постеризація) різного рівня складності. 42 592 (2 662 оригінальне зображення × 16 синтетичних зображень) Зображення, файл Mat Класифікація за статтю, розпізнавання облич, розпізнавання обличчя, оцінка віку та виявлення окулярів 2017 [42][43] Afifi, M. et al.
IMDB-WIKI IMDB і Вікіпедія зображення обличчя з мітками статі та віку. Немає 523,051 Зображення Гендерна класифікація, розпізнавання обличчя, розпізнавання обличчя, оцінка віку 2015 [44] R. Rothe, R. Timofte, L. V. Gool

Розпізнавання дійРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
TV Human Interaction Dataset Відео з 20 різних телевізійних шоу для прогнозування соціальних дій: рукостискання, п’ять, обійми, поцілунок. Немає. 6,766 відеокліпів відеокліп Прогноз дії 2013 [45] Patron-Perez, A. et al.
Berkeley Multimodal Human Action Database (MHAD) Записи однієї особи, яка виконує 12 дій Попередня обробка MoCap 660 зразків дій 8 Phase Space Motion Capture, 2 стереокамери, 4 чотирикамери, 6 акселерометрів, 4 мікрофони Класифікація дій 2013 [46] Ofli, F. et al.
THUMOS Dataset Великий набір відео даних для класифікації дій Дії класифіковані та позначені. 45 млн кадрів відео Відео, зображення, текст Класифікація, виявлення дії 2013 [47][48] Y. Jiang et al.
MEXAction2 Набір відеоданих для локалізації дії та виявлення Дії класифіковані та позначені. 1000 Відео Виявлення дії 2014 [49] Stoian et al.


Виявлення та розпізнавання об'єктівРедагувати

Назва Опис Обробка Розмыр Формат Задачи Створення Посилання Джерело
Visual Genome Зображення та їх опис 108,000 Зображення, текст Підписи до зображень 2016 [50] R. Krishna et al.
Berkeley 3-D Object Dataset 849 зображень, зроблених у 75 різних сценах. Позначено близько 50 різних класів об’єктів. Обмежувальні рамки та маркування об’єктів. 849 Марковані зображення, текст Розпізнавання об'єктів 2014 [51][52] A. Janoch et al.
Berkeley Segmentation Data Set and Benchmarks 500 (BSDS500) 500 природних зображень, чітко розділених на розрізнені потяги, підмножини перевірки та тестування + код порівняльного аналізу. На основі BSDS300. Кожне зображення сегментовано в середньому за п’ятьма різними предметами. 500 Сегментовані зображення Виявлення контурів та ієрархічна сегментація зображення 2011 [53] University of California, Berkeley
Microsoft Common Objects in Context (COCO) складні побутові сцени звичайних предметів у їх природному контексті. Виділення, маркування та класифікація об’єктів на 91 тип об’єкта. 2,500,000 Марковані зображення, текст Розпізнавання об'єктів 2015 [54][55][56] T. Lin et al.
SUN Database Дуже велика база даних розпізнавання сцен і об'єктів. Місця та предмети позначаються. Об’єкти сегментовані. 131,067 Зображення, текст Розпізнавання об'єктів, розпізнавання сцени 2014 [57][58] J. Xiao et al.
ImageNet Labeled object image database, used in the ImageNet Large Scale Visual Recognition Challenge Позначені об’єкти, обмежувальні рамки, описові слова, функції SIFT 14,197,122 Зображення, текст Розпізнавання об'єктів, розпізнавання сцени 2009 (2014) [59][60][61] J. Deng et al.
Open Images Великий набір зображень із ліцензією CC BY 2.0 з мітками на рівні зображення та обмежуючими рамками, що охоплюють тисячі класів. Мітки на рівні зображення, обмежувальні рамки 9,178,275 Зображення, текст Класифікація, розпізнавання об'єктів 2017 [62]
TV News Channel Commercial Detection Dataset Телевізійна реклама та випуск новин. Функції аудіо та відео, отримані з фотографій. 129,685 Текст Кластеризація, класифікація 2015 [63][64] P. Guha et al.
Statlog (Image Segmentation) Dataset Примірники були відібрані випадковим чином з бази даних із 7 зовнішніх зображень і сегментовані вручну, щоб створити класифікацію для кожного пікселя. Розраховано багато функцій. 2310 Текст Класифікація 1990 [65] University of Massachusetts
Caltech 101 Зображення предметів. Позначено детальні контури об'єкта. 9146 Зображення Класифікація, розпізнавання об'єктів. 2003 [66][67] F. Li et al.
Caltech-256 Великий набір зображень для класифікації об’єктів. Зображення розбиті на категорії та відсортовані вручну. 30,607 Зображення, текст Класифікація, виявлення об'єктів 2007 [68][69] G. Griffin et al.
SIFT10M Dataset Функції SIFT набору даних Caltech-256. Розширене вилучення функцій SIFT.. 11,164,866 Текст Класифікація, виявлення об'єктів 2016 [70] X. Fu et al.
LabelMe Коментовані зображення сцен. Окреслені об’єкти. 187,240 Зображення, текст Класифікація, виявлення об'єктів 2005 [71] MIT Computer Science and Artificial Intelligence Laboratory
Cityscapes Dataset Стерео-відеосекції, записані у вуличних сценах, з анотаціями на рівні пікселів. Метадані також включені. Сегментація та маркування на рівні пікселів 25,000 Зображення, текст Класифікація, виявлення об'єктів 2016 [72] Daimler AG et al.
PASCAL VOC Dataset Велика кількість зображень для завдань класифікації. Маркування, обмежувальна рамка в комплекті 500,000 Зображення, текст Класифікація, виявлення об'єктів 2010 [73][74] M. Everingham et al.
CIFAR-10 Dataset Багато маленьких зображень з низькою роздільною здатністю 10 класів об’єктів. Класи позначені, створені розділи навчальних наборів. 60,000 Зображення Класифікація 2009 [60][75] A. Krizhevsky et al.
CIFAR-100 Dataset Як і CIFAR-10, вище, але надано 100 класів об'єктів. Класи позначені, створені розділи навчальних наборів. 60,000 Зображення Класифікація 2009 [60][75] A. Krizhevsky et al.
CINIC-10 Dataset Єдиний внесок CIFAR-10 і Imagenet з 10 класами і 3 розділами. Більше за CIFAR-10. Класи позначені, навчання, перевірка, створені розділи тестових наборів. 270,000 Зображення Класифікація 2018 [76] Luke N. Darlow, Elliot J. Crowley, Antreas Antoniou, Amos J. Storkey
Fashion-MNIST База даних модних товарів, схожа на MNIST Класи позначені, створені розділи навчальних наборів. 60,000 Зображення Класифікація 2017 [77] Zalando SE
notMNIST Деякі загальнодоступні шрифти та витягнуті з них гліфи, щоб зробити набір даних подібним до MNIST. Існує 10 класів, з літерами A-J, взятими з різних шрифтів.

Deyaki zahalʹnodostupni

Класи позначені, створені розділи навчальних наборів. 500,000 Зображення Класифікація 2011 [78] Yaroslav Bulatov
German Traffic Sign Detection Benchmark Dataset Зображення з транспортних засобів дорожніх знаків на німецьких дорогах. Ці знаки відповідають стандартам ООН і тому такі ж, як і в інших країнах. Знаки з маркуванням вручну 900 Зображення Класифікація 2013 [79][80] S Houben et al.
KITTI Vision Benchmark Dataset Автономні транспортні засоби, що рухалися містом середнього розміру, фіксували зображення різних районів за допомогою камер і лазерних сканерів. Багато тестів, отриманих з даних. >100 GB of data Зображення, текст Класифікація, виявлення об'єктів 2012 [81][82][83] A Geiger et al.
Linnaeus 5 dataset Зображення 5 класів предметів. Класи позначені, створені розділи навчальних наборів. 8000 Зображення Класифікація 2017 [84] Chaladze & Kalatozishvili
FieldSAFE Мультимодальний набір даних для виявлення перешкод у сільському господарстві, включаючи стереокамеру, тепловізійну камеру, веб-камеру, 360-градусну камеру, лідар, радар і точну локалізацію. Класи, позначені географічно. >400 GB of data Зображення та тривимірні хмари точок Класифікація, виявлення об'єктів, локалізація об'єктів 2017 [85] M. Kragh et al.
11K Hands 11 076 зображень рук (1600 x 1200 пікселів) 190 суб’єктів різного віку від 18 до 75 років для розпізнавання статі та біометричної ідентифікації. Немає 11,076 hand images Зображення та файли етикеток (.mat, .txt і .csv). Розпізнавання статі та біометрична ідентифікація 2017 [86] M Afifi
CORe50 Спеціально розроблена для безперервного/довічного навчання та розпізнавання об’єктів, це колекція з понад 500 відео (30 кадрів в секунду) із 50 домашніми об’єктами, які належать до 10 різних категорій. Позначені класи, розділи навчальних наборів створені на основі 3-х шляхового тесту для кількох запусків. 164,866 RBG-D images зображення (.png або .pkl)

та файли етикеток (.pkl, .txt, .tsv).

Класифікація, розпізнавання об'єктів 2017 [87] V. Lomonaco and D. Maltoni
OpenLORIS-Object Набір даних Lifelong/Continual Robotic Vision (OpenLORIS-Object), зібраний реальними роботами, встановленими з кількома датчиками високої роздільної здатності, включає колекцію з 121 екземпляра об’єктів (1-а версія набору даних, 40 категорій предметів повсякденної потреби в 20 сценах). У наборі даних ретельно враховано 4 фактори середовища для різних сцен, включаючи освітлення, оклюзію, розмір у пікселях об’єкта та безлад, і чітко визначає рівні складності кожного фактора. Позначені класи, розділи набору для навчання/перевірки/тестування, створених за допомогою сценаріїв тесту. 1 106 424 зображення RBG-D зображення (.png і .pkl)

та файли етикеток (.pkl).

Класифікація, розпізнавання об'єктів протягом усього життя, робототехнічне бачення 2019 [88] Q. She et al.
THz and thermal video data set Цей мультиспектральний набір даних включає терагерцові, теплові, візуальні, ближні інфрачервоні та тривимірні відео об’єктів, прихованих під одягом людей. Надаються таблиці 3D пошуку, які дозволяють проектувати зображення на тривимірні хмари точок. More than 20 videos. The duration of each video is about 85 seconds (about 345 frames). AP2J Експерименти з виявленням прихованих об'єктів 2019 [89][90] Alexei A. Morozov and Olga S. Sushkova

Почерк і розпізнавання символівРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Artificial Characters Dataset Штучно згенеровані дані, що описують структуру 10 великих англійських літер. Координати намальованих ліній задані як цілі числа. Різні інші особливості. 6000 Текст Розпізнавання рукописного тексту, класифікація 1992 [91] H. Guvenir et al.
Letter Dataset Верхні друковані літери. З усіх зображень витягується 17 функцій. 20,000 Текст OCR, класифікація 1991 [92][93] D. Slate et al.
CASIA-HWDB База даних рукописних китайських символів офлайн. 3755 класів у наборі символів GB 2312. Зображення в сірому кольорі з фоновими пікселями, позначені як 255. 1,172,907 Зображення,

текст

Розпізнавання рукописного тексту, класифікація 2009 [94] CASIA
CASIA-OLHWDB База даних рукописних китайських ієрогліфів онлайн, зібрана за допомогою ручки Anoto на папері. 3755 класів у наборі символів GB 2312. Надає послідовності координат штрихів. 1,174,364 Зображення,

текст

Розпізнавання рукописного тексту, класифікація 2009 [95][94] CASIA
Character Trajectories Dataset Марковані зразки траєкторій кінчика пера для людей, які пишуть прості символи. 3-dimensional pen tip velocity trajectory matrix for each sample 2858 Текст Розпізнавання рукописного тексту, класифікація 2008 [96][97] B. Williams
Chars74K Dataset Розпізнавання символів у природних зображеннях символів, які використовуються як англійською, так і каннадською Тривимірна матриця траєкторій швидкості кінчика пера для кожного зразка 74,107 Розпізнавання символів, розпізнавання рукописного тексту, OCR, класифікація 2009 [98] T. de Campos
EMNIST dataset Рукописні символи від 3600 авторів Похідне від спеціальної бази даних NIST 19. Перетворено на зображення розміром 28x28 пікселів, що відповідають набору даних MNIST.[99] 800,000 Зображення розпізнавання символів, класифікація, розпізнавання почерку 2016 EMNIST dataset[100]

Documentation[101]

Gregory Cohen, et al
UJI Pen Characters Dataset Ізольовані рукописні символи Дано координати положення пера як символи. 11,640 Текст Розпізнавання рукописного тексту, класифікація 2009 [102][103] F. Prat et al.
Gisette Dataset Зразки почерку з 4 і 9 символів, які часто плутають. Функції, витягнуті з зображень, розділені на train/test, розмір зображень рукописного введення нормалізовано. 13,500 Зображення,

текст

Розпізнавання рукописного тексту, класифікація 2003 [104] Yann LeCun et al.
Omniglot dataset 1623 різних рукописних символи з 50 різних алфавітів. Марковані вручну. 38,300 Зображення,

текст

Класифікація, одноразове навчання 2015 [105][106] American Association for the Advancement of Science
MNIST database База даних рукописних цифр. Марковані вручну. 60,000 Зображення,

текст

Класифікація 1998 [107][108] National Institute of Standards and Technology
Optical Recognition of Handwritten Digits Dataset Нормовані растрові зображення рукописних даних. Розмір нормалізовано та зіставлено на растрові зображення. 5620 Зображення,

текст

Розпізнавання рукописного тексту, класифікація 1998 [109] E. Alpaydin et al.
Pen-Based Recognition of Handwritten Digits Dataset Рукописні цифри на електронній ручці-планшеті. Витягуються вектори ознак для рівномірного розміщення. 10,992 Зображення,

текст

Розпізнавання рукописного тексту, класифікація 1998 [110][111] E. Alpaydin et al.
Semeion Handwritten Digit Dataset Рукописні цифри від 80 осіб. Усі рукописні цифри нормалізовано за розміром і відображено в одній сітці. 1593 Зображення,

текст

Розпізнавання рукописного тексту, класифікація 2008 [112] T. Srl
HASYv2 Рукописні математичні символи Усі символи відцентровані та мають розмір 32px x 32px. 168233 Зображення,

текст

Класифікація 2017 [113] Martin Thoma
Noisy Handwritten Bangla Dataset Включає набір даних рукописних цифр (10 класів) і базовий набір даних символів (50 класів), кожен набір даних має три типи шуму: білий гаусів, розмиття в русі та знижену контрастність. Усі зображення відцентровані та мають розмір 32x32. Numeral Dataset:

23330,

Character Dataset:

76000

Зображення,

текст

Розпізнавання рукописного тексту, класифікація 2017 [114][115] M. Karki et al.

АерофотознімкиРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
iSAID: Instance Segmentation in Aerial Images Dataset Точна анотація на рівні екземпляра, виконана професійними анотаторами, перевірена та підтверджена експертними анотаторами, які відповідають чітко визначеним інструкціям. 655,451 (15 classes) Зображення, jpg, json Повітряна класифікація, виявлення об'єктів, сегментація екземплярів 2019 [116][117] Syed Waqas Zamir,

Aditya Arora,

Akshita Gupta,

Salman Khan,

Guolei Sun,

Fahad Shahbaz Khan, Fan Zhu,

Ling Shao, Gui-Song Xia, Xiang Bai

Aerial Image Segmentation Dataset 80 аерофотознімків високої роздільної здатності з просторовою роздільною здатністю від 0,3 до 1,0. Зображення сегментовані вручну. 80 Зображення Повітряна класифікація, виявлення об'єктів 2013 [118][119] J. Yuan et al.
KIT AIS Data Set Кілька позначених наборів навчальних та оцінювальних даних аерофотознімків натовпу. Зображення, позначені вручну, щоб показувати шляхи людей через натовп ~ 150 Зображення з доріжками Відстеження людей, повітряне спостереження 2012 [118][120] M. Butenuth et al.
Wilt Dataset Дані дистанційного зондування хворих дерев та іншого ґрунтового покриву. Вилучено різні функції. 4899 Зображення Класифікація, виявлення повітряних об'єктів 2014 [121][122] B. Johnson
MASATI dataset Морські сцени оптичних аерофотознімків із видимого спектру. Він містить кольорові зображення в динамічних морських середовищах, кожне зображення може містити одну або кілька цілей за різних погодних умов і умов освітлення. Обмежувальні рамки та маркування об’єктів. 7389 Зображення Класифікація, виявлення повітряних об'єктів 2018 [123][124] A.-J. Gallego et al.
Forest Type Mapping Dataset Супутникові зображення лісів Японії. Вилучено діапазони довжин хвилі зображення. 326 Текст Класифікація 2015 [125][126] B. Johnson
Overhead Imagery Research Data Set Коментовані зображення накладних. Зображення з кількома об'єктами. Понад 30 анотацій і понад 60 статистичних даних, які описують ціль у контексті зображення. 1000 Зображення, текст Класифікація 2009 [127][128] F. Tanner et al.
SpaceNet SpaceNet — це сукупність комерційних супутникових зображень і позначених навчальних даних. Файли GeoTiff і GeoJSON, що містять сліди будівлі. >17533 Зображення Класифікація, ідентифікація об'єкта 2017 [129][130][131] DigitalGlobe, Inc.
UC Merced Land Use Dataset Ці зображення були вручну витягнуті з великих зображень із колекції зображень міських районів Національної карти USGS для різних міських районів США. Це 21-класний набір зображень землекористування, призначений для дослідницьких цілей. Для кожного класу є 100 зображень. 2,100 Зображення фішки розміром 256x256, 30 см (1 фут) GSD Класифікація земельного покриву 2010 [132] Yi Yang and Shawn Newsam
SAT-4 Airborne Dataset Зображення було витягнуто з набору даних Національної програми зображення сільського господарства (NAIP). SAT-4 має чотири широкі класи ґрунтового покриву, включає безплідні землі, дерева, пасовища та клас, який складається з усіх класів ґрунтового покриву, крім трьох вищезазначених. 500,000 Зображення Класифікація 2015 [133][134] S. Basu et al.
SAT-6 Airborne Dataset Зображення було витягнуто з набору даних Національної програми зображення сільського господарства (NAIP). SAT-6 має шість широких класів ґрунтового покриву, включає безплідні землі, дерева, пасовища, дороги, будівлі та водойми. 405,000 Зображення Класифікація 2015 [133][135] S. Basu et al.

Інші зображенняРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
NRC-GAMMA Новий еталонний набір зображень газового лічильника Жодного 28,883 Зображення, етикетка Класифікація 2021 [136][137] A. Ebadi, P. Paul, S. Auer, & S. Tremblay
The SUPATLANTIQUE dataset Зображення відсканованих офіційних документів та документів Вікіпедії Жодного 4908 TIFF/pdf Ідентифікація вихідного пристрою, виявлення підробок, класифікація,... 2020 [138] C. Ben Rabah et al.
Density functional theory quantum simulations of graphene Позначені зображення вихідних даних для моделювання графену Необроблені дані (у форматі HDF5) і вихідні мітки з квантового моделювання теорії функціональної щільності 60744 тестових і 501473 навчальних файлів Марковані зображення Регресія 2019 [139] K. Mills & I. Tamblyn
Quantum simulations of an electron in a two dimensional potential well Позначені зображення вихідних даних для моделювання 2d квантової механіки Необроблені дані (у форматі HDF5) та вихідні мітки з квантового моделювання 1,3 мільйона зображень Марковані зображення Регресія 2017 [140] K. Mills, M.A. Spanner, & I. Tamblyn
MPII Cooking Activities Dataset Відео та зображення різних кулінарних заходів. Шляхи та напрямки діяльності, мітки, дрібнозернисте позначення руху, клас активності, вилучення та маркування нерухомих зображень. 881,755 frames Марковані відео, зображення, текст Класифікація 2012 [141][142] M. Rohrbach et al.
FAMOS Dataset 5000 унікальних мікроструктур, всі зразки були отримані 3 рази за допомогою двох різних камер. Оригінальні файли PNG, відсортовані за камерою, а потім за придбанням. Файли даних MATLAB з однією матрицею 16384 разів 5000 на камеру на одержання. 30,000 Файли зображень і .mat Аутентифікація 2012 [143] S. Voloshynovskiy, et al.
PharmaPack Dataset 1000 унікальних класів з 54 зображеннями в класі. Маркування класів, багато локальних дескрипторів, таких як SIFT і aKaZE, і локальні агреатори функцій, як-от Fisher Vector (FV). 54,000 Файли зображень і .mat Дрібнозерниста класифікація 2017 [144] O. Taran and S. Rezaeifar, et al.
Stanford Dogs Dataset Зображення 120 порід собак з усього світу. Надаються розділи для навчання/тесту та анотації ImageNet. 20,580 Зображення, текст Дрібнозерниста класифікація 2011 [145][146] A. Khosla et al.
StanfordExtra Dataset 2D ключові точки та сегментації для набору даних Stanford Dogs. Надано 2D ключові точки та сегментації. 12,035 Марковані зображення 3D реконструкція/оцінка пози 2020 [147] B. Biggs et al.
The Oxford-IIIT Pet Dataset 37 категорій домашніх тварин із приблизно 200 зображеннями кожної. Мітка породи, щільна рамка, сегментація переднього плану та фону. ~ 7,400 Зображення, текст Класифікація, виявлення об'єктів 2012 [148][146] O. Parkhi et al.
Corel Image Features Data Set База даних зображень з витягнутими функціями. Багато функцій, включаючи гістограму кольорів, текстуру спільного появи та колірні моменти, 68,040 Текст Класифікація, виявлення об'єктів 1999 [149][150] M. Ortega-Bindenberger et al.
Online Video Characteristics and Transcoding Time Dataset. Час перекодування для різних відео та властивостей відео. Надано функції відео. 168,286 Текст Регресія 2015 [151] T. Deneke et al.
Microsoft Sequential Image Narrative Dataset (SIND) Набір даних для послідовного перегляду мови Описові підписи та розповідь наведено для кожної фотографії, а фотографії розташовані в послідовності 81,743 Зображення, текст Візуальне оповідання 2016 [152] Microsoft Research
Caltech-UCSD Birds-200-2011 Dataset Великий набір зображень птахів. Розташування частин для птахів, рамки, 312 бінарних атрибутів 11,788 Зображення ,текст Класифікація 2011 [153][154] C. Wah et al.
YouTube-8M Великий і різноманітний набір відеоданих із мітками Ідентифікатори відео YouTube і пов’язані мітки з різноманітного словника з 4800 візуальних об’єктів 8 million Відео, текст Класифікація відео 2016 [155][156] S. Abu-El-Haija et al.
YFCC100M Великий і різноманітний набір даних зображень і відео з мітками Розташування частин для птахів, обмежувальні рамки, 312 бінарних атрибутів, надані Flickr Videos and Images та пов’язані описи, назви, теги та інші метадані (наприклад, EXIF та геотеги) 100 million Відео, зображення,текст Класифікація відео та зображень 2016 [157][158] B. Thomee et al.
Discrete LIRIS-ACCEDE Короткі відео з анотаціями для валентності та збудження. Етикетки валентності та збудження. 9800 Відео Відео виявлення емоцій 2015 [159] Y. Baveye et al.
Continuous LIRIS-ACCEDE Довгі відео з анотаціями для валентності та збудження, а також зібрані гальванічні реакції шкіри. Етикетки валентності та збудження. 30 Відео Відео виявлення емоцій 2015 [160] Y. Baveye et al.
MediaEval LIRIS-ACCEDE Розширення Discrete LIRIS-ACCEDE, включаючи анотації для рівнів насильства у фільмах. Мітки насильства, валентності та збудження. 10900 Відео Відео виявлення емоцій 2015 [161] Y. Baveye et al.
Leeds Sports Pose Артикуловані анотації людської пози на 2000 природних спортивних зображеннях із Flickr. Грубий урожай навколо однієї особи, яка цікавить, з 14 спільними етикетками 2000 Зображення плюс мітки файлів .mat Оцінка пози людини 2010 [162] S. Johnson and M. Everingham
Leeds Sports Pose Extended Training Чітко сформульовані анотації людської пози на 10 000 природних спортивних зображень із Flickr. 14 спільних етикеток через краудсорсинг 10000 Зображення плюс мітки файлів .mat Оцінка пози людини 2011 [163] S. Johnson and M. Everingham
MCQ Dataset 6 різних реальних іспитів із множинним вибором (735 бланків відповідей і 33 540 блоків відповідей) для оцінки методів і систем комп’ютерного зору, розроблених для систем оцінювання тестів із множинним вибором. Жодного 735 бланків відповідей та 33 540 скриньок для відповідей Мітки файлів зображень і .mat Розробка систем оцінювання тестів із множинним вибором 2017 [164][165] Afifi, M. et al.
Surveillance Videos Справжні відеоспостереження охоплюють великий час спостереження (7 днів по 24 години кожне). Жодного 19 surveillance videos (7 days with 24 hours each). Відео Стиснення даних 2016 [166] Taj-Eddin, I. A. T. F. et al.
LILA BC Маркована інформаційна бібліотека Олександрії: біологія та охорона. Позначені зображення, які підтримують дослідження машинного навчання в галузі екології та екології. Жодного ~10M images Зображення Класифікація 2019 [167] LILA working group
Can We See Photosynthesis? 32 відео для восьми живих і восьми мертвих листків, записаних в умовах освітлення постійного та змінного струму. Жодного 32 відео Відео Виявлення живості рослин 2017 [168] Taj-Eddin, I. A. T. F. et al.
Mathematical Mathematics Memes Колекція з 10 000 мемів з математики. Жодного ~10,000 Зображення Візуальне оповідання, виявлення об’єктів. 2021 [169] Mathematical Mathematics Memes

Текстові даніРедагувати

Ці набори даних складаються переважно з тексту для таких завдань, як обробка мови, аналіз настроїв, переклад і кластерний аналіз.

ВідгукиРедагувати

Назва Опис Оброботка Розмір Формат Задачі Створення Посилання Джерело
Amazon reviews Огляди американських продуктів від Amazon.com. Жодного 233.1 million Текст Класифікація, аналіз настроїв 2015 (2018) [170][171] McAuley et al.
OpinRank Review Dataset Огляди автомобілів і готелів від Edmunds.com і TripAdvisor відповідно. Жодного 42,230 / ~259,000 respectively Текст Аналіз настроїв, кластеризація 2011 [172][173] K. Ganesan et al.
MovieLens 22 000 000 оцінок і 580 000 тегів застосовано до 33 000 фільмів 240 000 користувачів. Жодного ~ 22M Текст Регресія, кластеризація, класифікація 2016 [174][175] GroupLens Research
Yahoo! Music User Ratings of Musical Artists Понад 10 мільйонів рейтингів виконавців від користувачів Yahoo. Жодного не описано. ~ 10M Текст Класифікація, регресія 2004 [176][177] Yahoo!
Car Evaluation Data Set Властивості автомобіля та їх загальна прийнятність. Наведено шість категоріальних ознак. 1728 Текст Класифікація 1997 [178] M. Bohanec
YouTube Comedy Slam Preference Dataset Дані про голосування користувачів для пар відео, які відображаються на YouTube. Користувачі голосували за смішніші відео. Надано метадані відео. 1,138,562 Текст Класифікація 2012 [179][180] Google
Skytrax User Reviews Dataset Відгуки користувачів про авіакомпанії, аеропорти, місця та салони від Skytrax. Оцінки є дрібними і включають багато аспектів досвіду в аеропорту. 41396 Текст Класифікація, регресія 2015 [181] Q. Nguyen
Teaching Assistant Evaluation Dataset Огляди помічника вчителя. Наведено особливості кожного екземпляра, такі як клас, розмір класу та викладач. 151 Текст Класифікація 1997 [182] W. Loh et al.
Vietnamese Students’ Feedback Corpus (UIT-VSFC) Відгуки студентів. Коментарі 16,000 Текст Класифікація 1997 [183][184] Nguyen et al.
Vietnamese Social Media Emotion Corpus (UIT-VSMEC) Коментарі користувачів у Facebook. Коментарі 6,927 Текст Класифікація 1997 [185] Nguyen et al.
Vietnamese Open-domain Complaint Detection dataset (ViOCD) Коментарі користувачів у Facebook. Коментарі 5,485 Текст Класифікація 2021 [186] Nguyen et al.

НовиниРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
NYSK Dataset Англійські новини про справу щодо звинувачень у сексуальному насильстві проти колишнього директора МВФ Домініка Стросс-Кана. Відфільтровано та представлено у форматі XML. 10,421 XML, текст Аналіз настроїв, виділення теми 2013 [187] Dermouche, M. et al.
The Reuters Corpus Volume 1 Великий корпус новин Reuters англійською мовою. Дрібнозерниста категоризація та коди тем. 810,000 Текст Класифікація, кластеризація, узагальнення 2002 [188] Reuters
The Reuters Corpus Volume 2 Великий корпус новин Reuters кількома мовами. Дрібнозерниста категоризація та коди тем. 487,000 Текст Класифікація, кластеризація, узагальнення 2005 [189] Reuters
Thomson Reuters Text Research Collection Великий корпус новин. Деталі не описані. 1,800,370 Текст Класифікація, кластеризація, узагальнення 2009 [190] T. Rose et al.
Saudi Newspapers Corpus 31 030 арабських газетних статей. Вилучено метадані. 31,030 JSON Підведення підсумків, кластеризація 2015 [191] M. Alhagri
RE3D (Relationship and Entity Extraction Evaluation Dataset) Entity and Relation позначені дані з різних новин та державних джерел. За підтримки Dstl Відфільтровано, категоризація за допомогою типів Baleen невідомо JSON Класифікація, сутність і розпізнавання відносин 2017 [192] Dstl
Examiner Spam Clickbait Catalogue Приманки кліків, спам, заголовки з краудсорсингу з 2010 по 2015 рік Опублікувати дату та заголовки 3,089,781 CSV Кластеризація, події, настрої 2016 [193] R. Kulkarni
ABC Australia News Corpus Весь корпус новин ABC Australia з 2003 по 2019 рік Опублікувати дату та заголовки 1,186,018 CSV Кластеризація, події, настрої 2020 [194] R. Kulkarni
Worldwide News – Aggregate of 20K Feeds Тижневий знімок усіх онлайн-заголовків понад 20 мовами Час публікації, URL-адреса та заголовки 1,398,431 CSV Кластеризація, події, визначення мови 2018 [195] R. Kulkarni
Reuters News Wire Headline 11 років подій із мітками часу, опублікованих у новинах Час публікації, текст заголовка 16,121,310 CSV НЛП, Комп'ютерна лінгвістика, Події 2018 [196] R. Kulkarni
Ireland News Corpus Новини 24 років Ірландії з 1996 по 2019 рік Час публікації, категорія заголовка та текст 1,484,340 CSV НЛП, Комп'ютерна лінгвістика, Події 2020 [197] R. Kulkarni
News Headlines Dataset for Sarcasm Detection Високоякісний набір даних із саркастичними та несаркастичними заголовками новин. Чистий, нормований текст 26,709 JSON НЛП, Комп'ютерна лінгвістика 2018 [198] Rishabh Misra

ПовідомленняРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Enron Email Dataset Електронні листи від співробітників Enron розбиті в папки. Вкладення видалено, недійсні адреси електронної пошти перетворені на user@enron.com або no_address@enron.com ~ 500,000 Текст Аналіз мережі, аналіз настроїв 2004 (2015) [199][200] Klimt, B. and Y. Yang
Ling-Spam Dataset Корпус, що містить як легітимні листи, так і спам. Чотири версії корпусу щодо того, чи був увімкнений лемматизатор чи стоп-лист. 2,412 Ham 481 Spam Текст Класифікація 2000 [201][202] Androutsopoulos, J. et al.
SMS Spam Collection Dataset Зібрані SMS-повідомлення зі спамом. Немає 5,574 Текст Класифікація 2011 [203][204] T. Almeida et al.
Messages from 20 different newsgroups. Повідомлення з 20 різних груп новин. Немає 20,000 Текст Обробка природної мови 1999 [205] T. Mitchell et al.
Spambase Dataset Спам електронних листів. Вилучено багато текстових функцій. 4,601 Текст Виявлення спаму, класифікація 1999 [206] M. Hopkins et al.

Твіттер і твітиРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
MovieTweetings Набір даних рейтингу фільмів на основі загальнодоступних і добре структурованих твітів ~710,000 Текст Класифікація, регресія 2018 [207] S. Dooms
Twitter100k Пари зображень і твітів 100,000 Текст і зображення Міжмедійний пошук 2017 [208][209] Y. Hu, et al.
Sentiment140 Дані твітів за 2009 рік, включаючи оригінальний текст, мітку часу, користувача та настрої. Класифіковано за допомогою дистанційного спостереження від наявності смайлика в твіті. 1,578,627 Твіти, коми, розділені значення аналіз настроїв 2009 [210][211] A. Go et al.
ASU Twitter Dataset Дані мережі Twitter, а не фактичні твіти. Показує зв’язки між великою кількістю користувачів. Немає 11 316 811 користувачів, 85 331 846 підключень Текст Кластеризація, аналіз графів 2009 [212][213] R. Zafarani et al.
SNAP Social Circles: Twitter Database Великі дані мережі Twitter. Характеристики вузлів, кола та мережі его. 1,768,149 Текст Кластеризація, аналіз графів 2012 [214][215] J. McAuley et al.
Twitter Dataset for Arabic Sentiment Analysis Арабські твіти. Зразки, позначені вручну як позитивні чи негативні. 2000 Текст Класифікація 2014 [216][217] N. Abdulla
Buzz in Social Media Dataset Дані з Twitter і Tom's Hardware. Цей набір даних зосереджено на конкретних актуальних темах, які обговорюються на цих сайтах. Дані відображаються у вікні, щоб користувач міг спробувати передбачити події, які призвели до шуму в соціальних мережах. 140,000 Текст Регресія, класифікація 2013 [218][219] F. Kawala et al.
Paraphrase and Semantic Similarity in Twitter (PIT) Цей набір даних зосереджується на тому, чи мають твіти (майже) однакове значення/інформацію чи ні. Маркування вручну. токенізацію, тегування частин мови та іменованих об’єктів 18,762 Текст Регресія, класифікація 2015 [220][221] Xu et al.
Geoparse Twitter benchmark dataset Цей набір даних містить твіти під час різних новинних подій у різних країнах. Згадки про місцеположення, позначені вручну. до метаданих JSON додано анотації про місцезнаходження 6,386 Tweets, JSON Класифікація, вилучення інформації 2014 [222][223] S.E. Middleton et al.
Dutch Social media collection Цей набір даних містить твіти про COVID-19, зроблені нідерландськими носіями або користувачами з Нідерландів. Дані були позначені машиною класифіковано за настрої, текст твітів і опис користувача, перекладений англійською. Вилучаються згадки про галузь 271,342 JSONL Настрої, класифікація з кількома мітками, машинний переклад 2020 [224][225][226] Aaaksh Gupta, CoronaWhy

ДіалогиРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
NPS Chat Corpus Публікації з вікових онлайн-чатів. Конфіденційність рук замаскована, позначена як частина мови та діалог-акт. ~ 500,000 XML НЛП, програмування, лінгвістика 2007 [227] Forsyth, E., Lin, J., & Martell, C.
Twitter Triple Corpus A-B-A трійки витягнуто з Twitter. 4,232 Текст NLP 2016 [228] Sordini, A. et al.
UseNet Corpus Повідомлення на форумі UseNet. Анонімні електронні листи та URL-адреси. Пропущені документи довжиною <500 слів або >500 000 слів, або які були <90% англійською. 7 billion Текст 2011 [229] Shaoul, C., & Westbury C.
NUS SMS Corpus SMS-повідомлення, зібрані між двома користувачами, з аналізом часу. ~ 10,000 XML NLP 2011 [230] KAN, M
Reddit All Comments Corpus Усі коментарі на Reddit (станом на 2015 рік). ~ 1.7 billion JSON НЛП, дослідження 2015 [231] Stuck_In_the_Matrix
Ubuntu Dialogue Corpus Діалоги, витягнуті з потоку чату Ubuntu на IRC. 930 thousand dialogues, 7.1 million utterances CSV Dialogue Systems Research 2015 [232] Lowe, R. et al.
Dialog State Tracking Challenge Проблеми відстеження стану діалогу 2 і 3 (DSTC2&3) були дослідницьким завданням, зосередженим на покращенні сучасного рівня відстеження стану мовних діалогових систем. Транскрипція розмовних діалогів з маркуванням DSTC2 contains ~3.2k calls – DSTC3 contains ~2.3k calls Json Відстеження стану діалогу 2014 [233] Henderson, Matthew and Thomson, Blaise and Williams, Jason D

Інший текстРедагувати

Назва Опис Обробка Розмір Формат Формат Створений Посилання Джерело
Web of Science Dataset Ієрархічні набори даних для класифікації тексту Немає 46,985 Текст класифікація,

Категоризація

2017 [234][235] K. Kowsari et al.
Legal Case Reports Розгляд справ Федерального суду Австралії з 2006 по 2009 роки. Немає 4,000 Текст Підведення підсумків,

аналіз цитування

2012 [236][237] F. Galgani et al.
Blogger Authorship Corpus Записи в блозі 19 320 людей із blogger.com. Блогер сам надає стать, вік, галузь та астрологічний знак. 681,288 Текст Аналіз настроїв, узагальнення, класифікація 2006 [238][239] J. Schler et al.
Social Structure of Facebook Networks Великий набір даних соціальної структури Facebook. Немає Охоплено 100 коледжів Текст Аналіз мережі, кластеризація 2012 [240][241] A. Traud et al.
Dataset for the Machine Comprehension of Text Розповіді та відповідні запитання для перевірки розуміння тексту. Немає 660 Текст Обробка природної мови, машинне розуміння 2013 [242][243] M. Richardson et al.
The Penn Treebank Project Природний текст, анотований для мовної структури. Текст розбирається на семантичні дерева. ~ 1 млн слів Текст Обробка природної мови, узагальнення 1995 [244][245] M. Marcus et al.
DEXTER Dataset Поставлене завдання – визначити за наведеними ознаками, які статті стосуються корпоративних придбань. Вилучені ознаки включають основи слів. Включені функції відволікача. 2600 Текст Класифікація 2008 [246] Reuters
Google Books N-grams N-грами з дуже великого корпусу книг Немає 2,2 ТБ тексту Текст Класифікація, кластеризація, регресія 2011 [247][248] Google
Personae Corpus Зібрано для експериментів із визначення авторства та передбачення особистості. Складається з 145 есе голландською мовою. Крім звичайних текстів наводяться синтаксично анотовані тексти. 145 Текст Класифікація, регресія 2008 [249][250] K. Luyckx et al.
CNAE-9 Dataset Завдання на категоризацію для вільних текстових описів бразильських компаній. Вилучено частоту слів. 1080 Текст Класифікація 2012 [251][252] P. Ciarelli et al.
Sentiment Labeled Sentences Dataset 3000 речень, позначених настроєм Настрої кожного речення вручну позначені як позитивні чи негативні. 3000 Текст Класифікація, аналіз настроїв 2015 [253][254] D. Kotzias
BlogFeedback Dataset Набір даних для прогнозування кількості коментарів, які отримає публікація на основі функцій цієї публікації. Вилучено багато функцій кожного повідомлення. 60,021 Текст Регресія 2014 [255][256] K. Buza
Stanford Natural Language Inference (SNLI) Corpus Підписи до зображень поєднуються з нещодавно створеними реченнями, щоб утворити суть, протиріччя або нейтральні пари. Мітки класів Entailment, синтаксичний аналіз за допомогою аналізатора Stanford PCFG 570,000 Текст Висновок природної мови/розпізнавання тексту 2015 [257] S. Bowman et al.
DSL Corpus Collection (DSLCC) Багатомовна збірка коротких уривків публіцистичних текстів схожими мовами та діалектами. Немає 294,000 фраз Текст Розрізнення схожих мов 2017 [258] Tan, Liling et al.
Urban Dictionary Dataset Корпус слів, голосів і визначень Імена користувачів анонімні 2,580,925 CSV НЛП, машинне розуміння 2016 May [259] Anonymous
T-REx Реферати Вікіпедії узгоджені з сутностями Вікіданих Вирівнювання трійок Вікіданих з тезами Вікіпедії 11M вирівняні трійки JSON and NIF [3] НЛП, вилучення відносин 2018 [260] H. Elsahar et al.
General Language Understanding Evaluation (GLUE) Тест із дев’яти завдань Різні ~1М речень і пар речень NLU 2018 [261][262][263] Wang et al.
Contract Understanding Atticus Dataset (CUAD) (formerly known as Atticus Open Contract Dataset (AOK)) Набір даних юридичних договорів з багатими експертними анотаціями ~13 000 етикеток CSV and PDF Обробка природної мови, QnA 2021 The Atticus Project
Vietnamese Image Captioning Dataset (UIT-ViIC) В'єтнамський набір даних підписів зображень 19 250 підписів для 3 850 зображень CSV and PDF Обробка природної мови, комп’ютерний зір 2020 [264] Lam et al.
Vietnamese Names annotated with Genders (UIT-ViNames) В’єтнамські назви з анотаціями статей 26 850 в’єтнамських повних імен із анотацією статі CSV Обробка природної мови 2020 [265] To et al.
Vietnamese Constructive and Toxic Speech Detection Dataset (UIT-ViCTSD) В'єтнамський набір даних для виявлення конструктивної та токсичної мови 10 000 в'єтнамських користувачів прокоментували інтернет-газети в 10 доменах CSV Обробка природної мовиОбробка природної мови 2021 [266] Nguyen et al.
The Pile Збірка кількох великих наборів даних із різноманітних і неструктурованих текстів Різні (видалення HTML і Javascript з веб-сайтів, видалення повторюваних речень) 825 ГіБ англійським текстом JSON[267] [268]Lines Обробка природної мови, передбачення тексту 2021 [269][270] Gao et

Звукові даніРедагувати

Ці набори даних складаються зі звуків і звукових функцій, які використовуються для таких завдань, як розпізнавання мовлення та синтез мовлення.

МовленняРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Zero Resource Speech Challenge 2015 Спонтанне мовлення (англійська мова), Читана мова (Xitsonga). Немає, необроблені файли WAV. англійська: 5 год, 12 динаміків; Xitsonga: 2:30, 24 динаміки WAV (audio only) Неконтрольоване виявлення мовних властивостей/підрядних одиниць/одиниць слів 2015 [271][272] Versteegh et al.
Parkinson Speech Dataset Багато записів людей із хворобою Паркінсона та без неї. Вилучено голосові характеристики, оцінка захворювання лікарем за уніфікованою шкалою оцінки хвороби Паркінсона. 1,040 Текст Класифікація, регресія 2013 [273][274] B. E. Sakar et al.
Spoken Arabic Digits Розмовні арабські цифри з 44 чоловіків і 44 жінок. Часові ряди коефіцієнтів мел-частотного кепстру. 8,800 Текст Класифікація 2010 [275][276] M. Bedda et al.
ISOLET Dataset Назви розмовних букв. Особливості, витягнуті зі звуків. 7797 Текст Класифікація 1994 [277][278] R. Cole et al.
Japanese Vowels Dataset Дев'ять чоловіків, які говорять, вимовляли дві японські голосні підряд. Застосував до нього 12-градусний аналіз лінійного прогнозування, щоб отримати дискретно-часовий ряд з 12 коефіцієнтами кепстру. 640 Текст Класифікація 1999 [279][280] M. Kudo et al.
Parkinson's Telemonitoring Dataset Багато записів людей із хворобою Паркінсона та без неї. Вилучено звукові характеристики. 5875 Текст Класифікація 2009 [281][282] A. Tsanas et al.
TIMIT Записи 630 носіїв восьми основних діалектів американської англійської, кожен з яких читає десять фонетично насичених речень. Мовлення лексично і фонематично транскрибується. 6300 Текст Розпізнавання мовлення, класифікація. 1986 [283][284] J. Garofolo et al.
Arabic Speech Corpus Корпус мовлення сучасної стандартної арабської мови (MSA) для одного мовця з фонетичними та орфографічними транскриптами, вирівняними на рівні фонем. Мовлення орфографічно і фонетично транскрибується з наголосами. ~1900 Текст, WAV Синтез мовлення, розпізнавання мовлення, вирівнювання корпусу, логопедія, освіта. 2016 [285] N. Halabi
Common Voice Загальнодоступна база даних краудсорсингу в широкому діапазоні діалектів. Перевірка іншими користувачами. English: 1,118 hours MP3 з відповідними текстовими файлами Розпізнавання мови June 2017 (December 2019) [286] Mozilla
LJSpeech Корпус англійських записів аудіокниг, які є загальнодоступними, розбитими на короткі кліпи за розділовими знаками. Перевірка якості, нормалізована транскрипція поряд з оригіналом. 13,100 CSV, WAV Синтез мовлення 2017 [287] Keith Ito, Linda Johnson

МузикаРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Geographic Origin of Music Data Set Звукові особливості музичних зразків з різних місць. Функції аудіо, отримані за допомогою програмного забезпечення MARSYAS. 1,059 Текст Географічна класифікація, кластеризація 2014 [288][289] F. Zhou et al.
Million Song Dataset Звукові функції з мільйона різних пісень. Функції аудіо вилучено. 1M Текст Класифікація, кластеризація 2011 [290][291] T. Bertin-Mahieux et al.
MUSDB18 Багатодоріжкові записи популярної музики Сирий звук 150 MP4, WAV Поділ джерел 2017 [292] Z. Rafii et al.
Free Music Archive Аудіо під Creative Commons із 100 тисяч пісень (343 дні, 1TiB) з ієрархією із 161 жанру, метаданими, даними користувача, текстом у довільній формі. Функції необробленого звуку та аудіо. 106,574 Текст , MP3 Класифікація, рекомендація 2017 [293] M. Defferrard et al.
Bach Choral Harmony Dataset Хоральні акорди Баха. Функції аудіо вилучено. 5665 Текст Класифікація 2014 [294][295] D. Radicioni et al.

Інші звуки. КласифікаціяРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
UrbanSound Марковані звукозаписи звуків, таких як кондиціонери, автомобільні гудки та діти, які грають. Відсортовано по папках за класом подій, а також метаданими у файлі JSON та анотаціями у файлі CSV. 1,059 Звук

(WAV)

Класифікація 2014 [296][297] J. Salamon et al.
AudioSet 10-секундні звукові фрагменти з відео YouTube та онтологія з понад 500 міток. 128-d PCA'd VGG-ish показує кожні 1 секунду. 2,084,320 Текстові (CSV) і файли TensorFlow Record Класифікація 2017 [298] J. Gemmeke et al., Google
Bird Audio Detection challenge Аудіо зі станцій моніторингу навколишнього середовища, а також записи з краудсорсингу 17,000+ Класифікація 2016 (2018) [299][300] Queen Mary University and IEEE Signal Processing Society
WSJ0 Hipster Ambient Mixtures Аудіо з WSJ0 змішано з шумом, записаним у районі затоки Сан-Франциско Кліпи з шумом, відповідні кліпам WSJ0 28,000 Звук(WAV) Розділення джерел звуку 2019 [301] Wichern, G., et al., Whisper and MERL
Clotho 4981 звуковий зразок тривалістю від 15 до 30 секунд, кожен з яких має п’ять різних підписів довжиною від 8 до 20 слів. 24,905 Звук (WAV) та текст(CSV) Автоматичні субтитри 2020 [302][303] K. Drossos, S. Lipping, and T. Virtanen

Дані сигналуРедагувати

Набори даних, що містять інформацію про електричний сигнал, що вимагає певної обробки сигналу для подальшого аналізу.

ЕлектричніРедагувати

Назва Опис Обробка Розмір Формат Задачі Створений Посилання Джерело
Witty Worm Dataset Набір даних із детальною інформацією про поширення хробака Witty та заражених комп’ютерів. Розділіть на загальнодоступний набір і обмежений набір, що містить більш конфіденційну інформацію, як-от заголовки IP і UDP. 55,909 IP addresses Текст Класифікація 2004 [304][305] Center for Applied Internet Data Analysis
Cuff-Less Blood Pressure Estimation Dataset Очищені життєво важливі сигнали від пацієнтів, які можна використовувати для оцінки артеріального тиску. Життєві показники 125 Гц очищено. 12,000 Текст Класифікація, регресія 2015 [306][307] M. Kachuee et al.
Gas Sensor Array Drift Dataset Вимірювання з 16 хімічних датчиків, використаних у моделюванні для компенсації дрейфу. Велика кількість наданих функцій. 13,910 Текст Класифікація 2012 [308][309] A. Vergara
Servo Dataset Дані, що охоплюють нелінійні співвідношення, що спостерігаються в схемі сервопідсилювача. Наведено рівні різних компонентів як функції інших компонентів. 167 Текст Регресія 1993 [310][311] K. Ullrich
UJIIndoorLoc-Mag Dataset База даних локалізації всередині приміщень для тестування внутрішніх систем позиціонування. Дані базуються на магнітному полі. Дано розділи на тренування та тести. 40,000 Текст Класифікація, регресія, кластеризація 2015 [312][313] D. Rambla et al.
Sensorless Drive Diagnosis Dataset Електричні сигнали від двигунів з несправними компонентами. Вилучено статистичні ознаки. 58,508 Текст Класифікація 2015 [314][315] M. Bator

Відстеження рухРедагувати

Назва Опис Обробка Розмір Формат Задачі Створенний Посилання Джерело
Wearable Computing: Classification of Body Postures and Movements (PUC-Rio) Люди, які виконують п’ять стандартних дій під час носіння трекерів руху. Немає 165,632 Текст Класифікація 2013 [316][317] Pontifical Catholic University of Rio de Janeiro
Gesture Phase Segmentation Dataset Функції, отримані з відео людей, які роблять різні жести. Вилучені функції спрямовані на вивчення фазової сегментації жестів. 9900 Текст Класифікація, кластеризація 2014 [318][319] R. Madeo et a
Vicon Physical Action Data Set Dataset 10 звичайних і 10 агресивних фізичних дій, які вимірюють активність людини, яку відстежує 3D-трекер. Багато параметрів записує 3D трекер. 3000 Текст Класифікація 2011 [320][321] T. Theodoridis
Daily and Sports Activities Dataset Дані датчиків двигуна для 19 щоденних і спортивних занять. Надано багато датчиків, без попередньої обробки сигналів. 9120 Текст Класифікація 2013 [322][323] B. Barshan et al.
Human Activity Recognition Using Smartphones Dataset Дані гіроскопа та акселерометра від людей, які носять смартфони та виконують звичайні дії. Виконані дії позначаються, всі сигнали попередньо обробляються на наявність шуму. 10,299 Текст Класифікація 2012 [324][325] J. Reyes-Ortiz et al.
Australian Sign Language Signs Австралійські знаки жестовою мовою, зняті рукавичками для відстеження руху. Немає 2565 Текст Класифікація 2002 [326][327] M. Kadous
Weight Lifting Exercises monitored with Inertial Measurement Units П’ять варіантів вправи на скручування біцепса, що контролюються за допомогою IMU. Деякі статистичні дані, розраховані на основі необроблених даних. 39,242 Текст Класифікація 2013 [328][329] W. Ugulino et al.
sEMG for Basic Hand movements Dataset Дві бази даних поверхневих електроміографічних сигналів 6 рухів рук. Немає 3000 Текст Класифікація 2014 [330][331] C. Sapsanis et al.
REALDISP Activity Recognition Dataset Оцініть методи, що стосуються впливу зміщення датчика при розпізнаванні активності, що можна носити. Немає 1419 Текст Класифікація 2014 [331][332] O. Banos et al.
Heterogeneity Activity Recognition Dataset Дані з кількох різних розумних пристроїв для людей, які виконують різні види діяльності. Немає 43,930,257 Текст Класифікація, кластеризація 2015 [333][334] A. Stisen et al.
Indoor User Movement Prediction from RSS Data Тимчасові дані бездротової мережі, які можна використовувати для відстеження переміщення людей в офісі. Немає 13,197 Текст Класифікація 2016 [335][336] D. Bacciu
PAMAP2 Physical Activity Monitoring Dataset 18 різних видів фізичних навантажень, які виконували 9 випробовуваних у 3 ІДУ. Немає 3,850,505 Текст Класифікація 2012 [337] A. Reiss
OPPORTUNITY Activity Recognition Dataset Розпізнавання людської активності від датчиків, які можна носити, об’єкта та навколишнього середовища – це набір даних, розроблений для порівняння алгоритмів розпізнавання людської діяльності. Немає 2551 Текст Класифікація 2012 [338][339] D. Roggen et al.
Real World Activity Recognition Dataset Розпізнавання людської діяльності за допомогою носових пристроїв. Розрізняє сім положень на корпусі пристрою та містить шість різних типів датчиків. Немає 3 150 000 (за датчик) Текст Класифікація 2016 [340] T. Sztyler et al.
Toronto Rehab Stroke Pose Dataset Тривимірні оцінки пози людини (Kinect) пацієнтів із інсультом та здорових учасників, які виконують набір завдань за допомогою робота для реабілітації після інсульту. Немає 10 здорових людей і 9 людей, які пережили інсульт (3500–6000 кадрів на людину) CSV Класифікація 2017 [341][342][343] E. Dolatabadi et al.
Corpus of Social Touch (CoST) 7805 жестів фіксують 14 різних жестів соціального дотику, виконаних 31 досліджуваним. Жести виконувались у трьох варіантах: ніжні, нормальні та грубі, на сітці датчика тиску, обмотаної навколо руки манекена. Здійснювані сенсорні жести сегментовані та позначені. 7805 зйомок жестів CSV Класифікація 2016 [344][345] M. Jung et al.

Інші сигналиРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Wine Dataset Хімічний аналіз вин, вирощених в одному регіоні Італії, але отриманих з трьох різних сортів. Наведено 13 властивостей кожного вина 178 Текст Класифікація, регресія 1991 [346][347] M. Forina et al.
Combined Cycle Power Plant Data Set Дані від різних датчиків на електростанції, яка працює протягом 6 років. Жодного 9568 Текст Регресія 2014 [348][349] P. Tufekci et al.

Фізичні даніРедагувати

Набори даних з фізичних систем.

Фізика високих енергійРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
HIGGS Dataset Моделювання Монте-Карло зіткнень прискорювачів частинок. Наведено 28 ознак кожного зіткнення. 11M Текст Класифікація 2014 [350][351][352] D. Whiteson
HEPMASS Dataset Моделювання Монте-Карло зіткнень прискорювачів частинок. Мета – відокремити сигнал від шуму. Наведено 28 ознак кожного зіткнення. 10,500,000 Текст Класифікація 2016 [351][352][353] D. Whiteson

СистемиРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Yacht Hydrodynamics Dataset Продуктивність яхти на основі розмірів. Для кожної яхти надано шість функцій. 308 Текст Регресія 2013 [354][355] R. Lopez
Robot Execution Failures Dataset 5 наборів даних, які зосереджені на збій роботи роботів у виконанні звичайних завдань. Цілочисельні функції, такі як крутний момент та інші вимірювання датчиків. 463 Текст Класифікація 1999 [356] L. Seabra et al.
Pittsburgh Bridges Dataset Опис конструкції дається з точки зору кількох властивостей різних мостів. Наведено різні особливості мосту. 108 Текст Класифікація 1990 [357][358] Y. Reich et al.
Automobile Dataset Дані про автомобілі, їх страховий ризик та нормовані збитки. Характеристики автомобіля вилучені. 205 Текст Регресія 1987 [359][360] J. Schimmer et al.
Auto MPG Dataset Дані MPG для автомобілів. Наведено вісім особливостей кожного автомобіля. 398 Текст Регресія 1993 [361] Carnegie Mellon University
Energy Efficiency Dataset Вимоги до опалення та охолодження наведені як функція параметрів будівлі. Параметри будівлі наведено. 768 Текст Класифікація, регресія 2012 [362][363] A. Xifara et al.
Airfoil Self-Noise Dataset Серія аеродинамічних та акустичних випробувань дво- та тривимірних секцій лопаті аеродинамічного профілю. Наведено дані про частоту, кут атаки тощо. 1503 Текст Регресія 2014 [364] R. Lopez
Challenger USA Space Shuttle O-Ring Dataset Спробуйте передбачити проблеми з ущільнювальними кільцями, враховуючи попередні дані Challenger. Наведено кілька особливостей кожного польоту, наприклад, температура запуску. 23 Текст Регресія 1993 [365][366] D. Draper et al.
Statlog (Shuttle) Dataset Набори даних космічного човника NASA. Надано дев’ять ознак. 58,000 Текст Класифікація 2002 [367] NASA

АстрономіяРедагувати

Назва Опис Обробка Розмір Формат Задача Створення Посилання Джерело
Volcanoes on Venus – JARtool experiment Dataset Зображення Венери, отримані космічним кораблем Магеллан. Зображення позначаються людьми. not given Зображення Класифікація 1991 [368][369] M. Burl
MAGIC Gamma Telescope Dataset Монте-Карло генерував події високої енергії гамма-частинок. Численні функції, отримані з моделювання. 19,020 Текст Класифікаціяion 2007 [369][370] R. Bock
Solar Flare Dataset Вимірювання кількості певних типів сонячних спалахів, що відбуваються протягом 24 годин. Надано багато специфічних особливостей сонячних спалахів. 1389 Текст Розділення джерела звуку 1989 [371] G. Bradshaw
CAMELS Multifield Dataset 2D-карти та 3D-сітки з тисяч N-тіл і найсучасніших гідродинамічних симуляцій, що охоплюють широкий діапазон значень космологічних і астрофізичних параметрів Кожна карта та сітка мають 6 космологічних та астрофізичних параметрів, пов’язаних з нею 405,000 2D maps and 405,000 3D grids 2D maps and 3D grids Регресія 2021 [372] Francisco Villaescusa-Navarro et al.

Наука про ЗемлюРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Volcanoes of the World Дані про виверження вулканів для всіх відомих вулканічних подій на Землі. Наведено такі деталі, як регіон, субрегіон, тектонічні умови, домінуючий тип гірських порід. 1535 Текст Регресія, класифікація 2013 [373] E. Venzke et al.
Seismic-bumps Dataset Сейсмічна діяльність на вугільній шахті. Сейсмічна активність була класифікована як небезпечна чи ні. 2584 Текст Класифікація 2013 [374][375] M. Sikora et al.
CAMELS-US Набір гідрологічних даних водозбору з гідрометеорологічними хронометражами та різними атрибутами див. Посилання 671 CSV, Text, Shapefile Регресія 2017 [376][377] N. Addor et al. / A. Newman et al.
CAMELS-Chile Набір гідрологічних даних водозбору з гідрометеорологічними хронометражами та різними атрибутами див. Посилання 516 CSV, Text, Shapefile Регресія 2018 [378] C. Alvarez-Garreton et al.
CAMELS-Brazil Набір гідрологічних даних водозбору з гідрометеорологічними хронометражами та різними атрибутами див. Посилання 897 CSV, Text, Shapefile Регресія 2020 [379] V. Chagas et al.
CAMELS-GB Набір гідрологічних даних водозбору з гідрометеорологічними хронометражами та різними атрибутами див. Посилання 671 CSV, Text, Shapefile Регресія 2020 [380] G. Coxon et al.
CAMELS-Australia Набір гідрологічних даних водозбору з гідрометеорологічними хронометражами та різними атрибутами див. Посилання 222 CSV, Text, Shapefile Регресія 2021 [381] K. Fowler et al.
LamaH-CE Набір гідрологічних даних водозбору з гідрометеорологічними хронометражами та різними атрибутами див. Посилання 859 CSV, Text, Shapefile Регресія 2021 [382] C. Klingler et al.

Інші фізичніРедагувати

Назва Опис Обробка Розмір Формат Задачі Створений Посилання Джерело
Concrete Compressive Strength Dataset Набір даних про властивості бетону та міцність на стиск. Для кожного зразка надано дев’ять ознак. 1030 Текст Регресія 2007 [383][384] I. Yeh
Concrete Slump Test Dataset Осадка бетону наведена з точки зору властивостей. Наведені характеристики бетону, такі як летюча зола, вода тощо. 103 Текст Регресія 2009 [385][386] I. Yeh
Musk Dataset Спрогнозуйте, чи буде молекула, враховуючи особливості, мускусом чи немускусом. Для кожної молекули наведено 168 ознак. 6598 Текст Класифікація 1994 [387] Arris Pharmaceutical Corp.
Steel Plates Faults Dataset Сталеві пластини 7 різних типів. Для кожного зразка наведено 27 ознак. 1941 Текст Класифікація 2010 [388] Semeion Research Center

Біологічні даніРедагувати

Набори даних з біологічних систем.

СоціальніРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Synthetic Fundus Dataset[389] Фотореалістичні зображення сітківки та сегментації судин. Публічний домен. 2500 зображень з роздільністю 1500*1152 пікселів, корисних для сегментації та класифікації вен і артерій на одному фоні. 2500 Зображення Класифікація, сегментація 2020 [390] C. Valenti et al.
EEG Database Дослідження для вивчення корелятів ЕЕГ генетичної схильності до алкоголізму. Вимірювання за допомогою 64 електродів, розміщених на шкірі голови, відбираються при частоті 256 Гц (епоха 3,9 мс) протягом 1 секунди. 122 Текст Класифікація 1999 [391] H. Begleiter
P300 Interface Dataset Дані від дев’яти суб’єктів, зібрані за допомогою інтерфейсу «мозок-комп’ютер» на основі P300 для суб’єктів з обмеженими можливостями. Розділіть на чотири заняття для кожного предмета. Дано код MATLAB. 1,224 Текст Класифікація 2008 [392][393] U. Hoffman et al.
Heart Disease Data Set Приписують пацієнтів із серцевими захворюваннями та без них. 75 атрибутів, наданих для кожного пацієнта з деякими відсутніми значеннями. 303 Текст Класифікація 1988 [394][395] A. Janosi et al.
Breast Cancer Wisconsin (Diagnostic) Dataset Набір даних про особливості утворення грудей. Діагноз ставить лікар. Наведено 10 ознак для кожного зразка. 569 Текст Класифікація 1995 [396][397] W. Wolberg et al.
National Survey on Drug Use and Health Широкомасштабне дослідження здоров'я та вживання наркотиків у Сполучених Штатах. Немає 55,268 Текст Класифікація, регресія 2012 [398] United States Department of Health and Human Services
Lung Cancer Dataset Набір даних про рак легенів без визначення атрибутів Для кожного випадку наведено 56 ознак 32 Текст Класифікація 1992 [399][400] Z. Hong et al.
Arrhythmia Dataset Дані для групи пацієнтів, з яких у деяких спостерігається серцева аритмія. 276 функцій для кожного екземпляра. 452 Текст Класифікація 1998 [401][402] H. Altay et al.
Diabetes 130-US hospitals for years 1999–2008 Dataset Дані про реадмісію за 9 років у 130 американських лікарнях для пацієнтів з цукровим діабетом. Наведено багато особливостей кожної реадмісії. 100,000 Текст Класифікація, кластеризація 2014 [403][404] J. Clore et al.
Diabetic Retinopathy Debrecen Dataset Характеристики, отримані із зображень очей з діабетичною ретинопатією та без неї. Вилучено ознаки та діагностовано умови. 1151 Текст Класифікація 2014 [405][406] B. Antal et al.
Diabetic Retinopathy Messidor Dataset Методи оцінки методів сегментації та індексації в області офтальмології сітківки (MESSIDOR) Характеризує ступінь ретинопатії та ризик розвитку макулярного набряку 1200 Зображення, текст Класифікація, сегментація 2008 [407][408] Messidor Project
Liver Disorders Dataset Дані для людей із захворюваннями печінки. Для кожного пацієнта наведено сім біологічних ознак. 345 Текст Класифікація 1990 [409][410] Bupa Medical Research Ltd.
Thyroid Disease Dataset 10 баз даних пацієнтів із захворюваннями щитовидної залози. Немає 7200 Текст Класифікація 1987 [411][412] R. Quinlan
Mesothelioma Dataset Дані пацієнтів з мезотеліомою. Наведено велику кількість особливостей, включаючи вплив азбесту. 324 TextТекст Класифікація2016 2016 [413][414] A. Tanrikulu et al.
Parkinson's Vision-Based Pose Estimation Dataset 2D оцінки пози людини пацієнтів з хворобою Паркінсона, які виконують різноманітні завдання. Тремтіння камери вилучено з траєкторій. 134 Текст Класифікація, регресія 2017 [415][416][417] M. Li et al.
KEGG Metabolic Reaction Network (Undirected) Dataset Мережа метаболічних шляхів. Дано мережу реакцій і мережу відношень. Наведено детальні характеристики для кожного вузла мережі та шляху. 65,554 Текст Класифікація, кластеризація, регресія 2011 [418] M. Naeem et al.
Modified Human Sperm Morphology Analysis Dataset (MHSMA) Зображення сперми людини 235 пацієнтів з чоловічим фактором безпліддя, позначені для нормальної або аномальної сперматозоїди акросоми, головки, вакуолі та хвоста. Обрізаний навколо однієї головки сперматозоїда. Нормалізоване збільшення. Створено розділи для навчання, перевірки та тестування. 1,540 .npy files Класифікація 2019 [419][420] S. Javadi and S.A. Mirroshandel

ТвариниРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Abalone Dataset Фізичні вимірювання вушка. Також вказано погодні умови та місце розташування Немає 4177 Текст Регресія 1995 [421] Marine Research Laboratories – Taroona
Zoo Dataset Штучний набір даних, що охоплює 7 класів тварин. Тварини поділяються на 7 категорій, для кожної наведені особливості. 101 Текст Класифікація 1990 [422] R. Forsyth
Demospongiae Dataset Дані про морських губках. 503 губки класу Demosponge описуються різними ознаками. 503 Текст Класифікація 2010 [423] E. Armengol et al.
Farm animals data Інвентаризація даних PLF (корови, свині; розташування, прискорення тощо). Марковані набори даних. Список постійно оновлюється Текст Класифікація 2020 [424] V. Bloch
Splice-junction Gene Sequences Dataset Послідовності генів з’єднання приматів (ДНК) з асоційованою недосконалою теорією домену. Немає 3190 Текст Класифікація 1992 [400] G. Towell et al.
Mice Protein Expression Dataset Рівні експресії 77 білків виміряли в корі головного мозку мишей. Немає 1080 Текст Класифікація, кластеризація 2015 [425][426] C. Higuera et al.

ГибкийРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
UCI Mushroom Dataset Ознаки та класифікація грибів Наведено багато властивостей кожного гриба. 8124 Текст Класифікація 1987 [427] J. Schlimmer
Secondary Mushroom Dataset Ознаки та класифікація грибів Змодельовані дані з більших і реалістичніших первинних записів грибів. Повністю відтворюваний. 61069 Текст Класифікація 2020 [428][429] D. Wagner et al.

РослиниРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Forest Fires Dataset Лісові пожежі та їх властивості. Вилучено 13 ознак кожної пожежі. 517 Текст Регресія 2008 [430][431] P. Cortez et al.
Iris Dataset Три типи ірисів описуються 4 різними ознаками. Немає 150 Текст Класифікація 1936 [432][433] R. Fisher
Plant Species Leaves Dataset Шістнадцять зразків листя кожного із ста видів рослин. Дано дескриптор форми, дрібномасштабне поле та гістограми текстури. 1600 Текст Класифікація 2012 [434][435] J. Cope et al.
Soybean Dataset База даних хворих рослин сої. Наведено 35 ознак для кожної рослини. Рослини поділяються на 19 категорій. 307 Текст Класифікація 1988 [436] R. Michalski et al.
Seeds Dataset Вимірювання геометричних властивостей ядер трьох різних сортів пшениці. Немає 210 Текст Класифікація, кластеризація 2012 [437][438] Charytanowicz et al.
Covertype Dataset мДані для прогнозування типу лісистості суворо на основі картографічних змінних. Наведено багато географічних об’єктів. 581,012 Текст Класифікація 1998 [439][440] J. Blackard et al.
Abscisic Acid Signaling Network Dataset Дані для мережі сигналізації заводу. Мета – визначити набір правил, які керують мережею. Немає 300 Текст Причинно-відкриття 2008 [441] J. Jenkens et al.
Folio Dataset 20 фотографій листя для кожного з 32 видів. Немає 637 Зображення, текст Класифікація, виявлення 2015 [442][443] T. Munisami et al.
Oxford Flower Dataset Набір даних квітів 17 категорії. Розділи поїздів/тестів, позначені зображення, 1360 Зображення, текст Класифікація 2006 [148][444] M-E Nilsback et al.
Plant Seedlings Dataset Набір даних 12 категорії саджанців рослин. Марковані зображення, сегментовані зображення,Марковані зображення, сегментовані зображення, 5544 Зображення Класифікація, виявлення 2017 [445] Giselsson et al.
Fruits 360 dataset База даних із зображеннями 120 фруктів і овочів. 100x100 пікселів, білий фон. 82213 Зображення(jpg) Класифікація 2017–2019 [446][447] Mihai Oltean, Horea Muresan

МікробРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Ecoli Dataset Місця локалізації білків. Наведено різні особливості місць локалізації білків. 336 Текст Класифікація 1996 [448][449] K. Nakai et al.
MicroMass Dataset Ідентифікація мікроорганізмів за даними мас-спектрометрії. Різні функції мас-спектрометра. 931 Текст Класифікація 2013 [450][451] P. Mahe et al.
Yeast Dataset Прогнозування клітинної локалізації білків. Вісім функцій наведено для кожного випадку. 1484 Текст Класифікація 1996 [452][453] K. Nakai et al.

Відкриття наркотиківРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Tox21 Dataset Прогнозування результатів біологічних аналізів. Наведено хімічні дескриптори молекул 12707 Текст Класифікація 2016 [454] A. Mayr et al.

Дані про аномаліїРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Numenta Anomaly Benchmark (NAB) Дані впорядковані, з мітками часу, однозначні метрики. Усі файли даних містять аномалії, якщо не зазначено інше. Немає 50+ files Значення, розділені комами Виявлення аномалій 2016 (постійно оновлюється) [455] Numenta
Skoltech Anomaly Benchmark (SKAB) Кожен файл представляє один експеримент і містить одну аномалію. Набір даних являє собою багатоваріантний часовий ряд, зібраний із датчиків, встановлених на тестовому стенді. Є дві розмітки для проблем виявлення викидів (точкові аномалії) та виявлення точок змін (колективні аномалії). 30+ files (v0.9) Значення, розділені комами Виявлення аномалій 2020 (постійно оновлюється) [456][457] Iurii D. Katser and Vyacheslav O. Kozitsin
On the Evaluation of Unsupervised Outlier Detection: Measures, Datasets, and an Empirical Study Більшість файлів даних адаптовано з даних репозитарію машинного навчання UCI, деякі зібрані з літератури. обробляються відсутні значення, лише числові атрибути, різні відсотки аномалій, мітки 1000+ files ARFF Виявлення аномалій 2016 (можливо, оновлено новими наборами даних та/або результатами) [458] Campos et al.

Відповіді на питанняРедагувати

Цей розділ містить набори даних, які мають справу зі структурованими даними.

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
DBpedia Neural Question Answering (DBNQA) Dataset Велика колекція Question to SPARQL, спеціально розроблена для відповіді на нейронні запитання відкритого домену через базу знань DBpedia. Цей набір даних містить велику колекцію відкритих шаблонів Neural SPARQL та екземплярів для навчання машин Neural SPARQL; він був попередньо оброблений напівавтоматичними інструментами анотації, а також трьома експертами SPARQL. 894,499 Пари питання-запит Відповідь на запитання 2018 [459][460] Hartmann, Soru, and Marx et al.
Vietnamese Question Answering Dataset (UIT-ViQuAD) Велика колекція в'єтнамських питань для оцінки моделей MRC. Цей набір даних містить понад 23 000 створених людьми пар питань і відповідей на основі 5 109 уривків із 174 в’єтнамських статей з Вікіпедії. 23,074 Пари питання-запит Відповідь на запитання 2020 [461] Nguyen et al.
Vietnamese Multiple-Choice Machine Reading Comprehension Corpus(ViMMRC) Колекція в’єтнамських питань з кількома відповідями для оцінки моделей MRC. Цей корпус включає 2783 в’єтнамські запитання з кількома відповідями. 2,783 Пари питання-запит Відповідь на запитання/Машинне розуміння прочитаного 2020 [462] Nguyen et al.

Багатоваріантні даніРедагувати

Набори даних, що складаються з рядків спостережень і стовпців атрибутів, що характеризують ці спостереження. Зазвичай використовується для регресійного аналізу або класифікації, але можуть використовуватися й інші типи алгоритмів. Цей розділ містить набори даних, які не вписуються в вищезазначені категорії.

ФінансиРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Dow Jones Index Щотижневі дані запасів за І-ІІ квартали 2011 року. Розраховані значення включали такі, як відсоткова зміна та лаги. 750 Значення, розділені комами Класифікація, регресія, часові ряди 2014 [463][464] M. Brown et al.
Statlog (Australian Credit Approval) Заявки на кредитні картки прийняті або відхилені та атрибути програми. Назви атрибутів видаляються, а також ідентифікаційна інформація. Фактори були перемарковані. 690 Значення, розділені комами Класифікація 1987 [465][466] R. Quinlan
eBay auction data Дані аукціону з різних об’єктів eBay.com на аукціонах різної тривалості Містить усі ставки, ідентифікатор ставки, час ставок та ціни відкриття. ~ 550 Текст Регресія, класифікація 2012 [467][468] G. Shmueli et al.
Statlog (German Credit Data) Бінарна класифікація кредиту на «хороша» або «погана» з багатьма ознаками Наведено різні фінансові особливості кожної людини. 690 Текст Класифікація 1994 [469] H. Hofmann
Bank Marketing Dataset Дані великої маркетингової кампанії, проведеної великим банком. Наведено багато атрибутів клієнтів, до яких звертаються. Якщо клієнт підписався на банк також надається. 45,211 Текст Класифікація 2012 [470][471] S. Moro et al.
Istanbul Stock Exchange Dataset Декілька фондових індексів відстежувалися майже два роки. Немає 536 Текст Класифікація, регресія 2013 [472][473] O. Akbilgic
Default of Credit Card Clients Дані про дефолт для тайванських кредиторів. Для кожного облікового запису надаються різні функції. 30,000 Текст Класифікація 2016 [474][475] I. Yeh

ПогодаРедагувати

Назва Опис Обробка Розмір Формат Задачі Створенная Посилання Джерело
Cloud DataSet Дані про 1024 різних хмарах. Вилучено характеристики зображення. 1024 Текст Класифікація, кластеризація 1989 [476] P. Collard
El Nino Dataset Океанографічні та приземні метеорологічні показання, отримані з серії буїв, розташованих по всій екваторіальній частині Тихого океану. На кожному буї вимірюється 12 погодних атрибутів. 178080 Текст Регресія 1999 [477] Pacific Marine Environmental Laboratory
Greenhouse Gas Observing Network Dataset Часовий ряд концентрацій парникових газів у 2921 осередку сітки в Каліфорнії створений за допомогою моделювання погоди. Немає 2921 Текст Регресія 2015 [478] D. Lucas
Atmospheric CO2 from Continuous Air Samples at Mauna Loa Observatory Безперервні проби повітря на Гаваях, США. 44 роки рекордів. Немає 44 years Текст Регресія 2001 [479] Mauna Loa Observatory
Ionosphere Dataset Радарні дані з іоносфери. Завдання — розділити на хороші та погані результати радіолокації. Немає 351 Текст Класифікація 1989 [412][480] Johns Hopkins University
Ozone Level Detection Dataset Два набори даних про рівень озону на землі. Надано багато функцій, включаючи погодні умови на момент вимірювання. 2536 Текст Класифікація 2008 [481][482] K. Zhang et al.

Перепис населенняРедагувати

Назва Опис Обробка Розмір Формат Задачі Створенная Посилання Джерело
Adult Dataset Дані перепису 1994 року, що містять демографічні ознаки дорослих та їхні доходи. Очищено та анонімно. 48,842 Значення, розділені комами Класифікація 1996 [483] United States Census Bureau
Census-Income (KDD) Зважені дані перепису з поточних опитувань населення 1994 та 1995 років. Розділіть на навчальні та тестові набори. 299,285 Значення, розділені комами Класифікація 2000 [484][485] United States Census Bureau
IPUMS Census Database Дані перепису з районів Лос-Анджелеса та Лонг-Біч. Немає 256,932 Текст Класифікація, регресія 1999 [486] IPUMS
US Census Data 1990 Часткові дані перепису населення США 1990 року. Результати рандомізовані та вибрані корисні атрибути. 2,458,285 Текст Класифікація, регресія 1990 [487] United States Census Bureau

ТранзитРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Bike Sharing Dataset Погодинний і добовий підрахунок прокату велосипедів у великому місті. Надано багато функцій, включаючи погоду, тривалість подорожі тощо. 17,389 Текст Регресія 2013 [488][489] H. Fanaee-T
New York City Taxi Trip Data Дані про подорожі жовтих і зелених таксі в Нью-Йорку. Вказує місця посадки та висадки, тарифи та інші деталі поїздок. 6 years Текст Класифікація, кластеризація 2015 [490] New York City Taxi and Limousine Commission
Taxi Service Trajectory ECML PKDD Траєкторії всіх таксі у великому місті. Надано багато функцій, включаючи точки початку та зупинки. 1,710,671 Текст Кластеризація, причинно-наслідкове відкриття 2015 [491][492] M. Ferreira et al.
METR-LA Швидкість від петлеві детекторів на шосе округу Лос-Анджелес.. Середня швидкість за 5 хвилин. 7 094 304 з 207 датчиків і 34 272 кроків Значення, розділені комами Регресія, прогнозування 2014 [493] Jagadish et al.
PeMS Швидкість, потік, зайнятість та інші показники від петлевих детекторів та інших датчиків на автостраді штату Каліфорнія, США. Показник зазвичай зводиться до середнього з 5-хвилинними часовими кроками. 39 000 індивідуальних детекторів, кожен із яких містить ряди часу Значення, розділені комами Регресія, прогнозування, прогнозування, інтерполяція (оновлено в режимі реального часу) [494] California Department of Transportation

ІнтернетРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Webpages from Common Crawl 2012 Велика колекція веб-сторінок і спосіб їх з’єднання за допомогою гіперпосилань Немає 3.5B Текст кластеризація, класифікація 2013 [495] V. Granville
Internet Advertisements Dataset Набір даних для прогнозування того, чи є дане зображення рекламою чи ні. Функції кодують геометрію оголошень і фраз, що зустрічаються в URL-адресі. 3279 Текст Класифікація 1998 [496][497] N. Kushmerick
Internet Usage Dataset Загальна демографічна характеристика користувачів Інтернету. Немає 10,104 Текст Класифікація, кластеризація 1999 [498] D. Cook
URL Dataset 120 днів URL-адрес великої конференції. Наведено багато функцій кожної URL-адреси. 2,396,130 Текст Класифікація 2009 [499][500] J. Ma
Phishing Websites Dataset Набір даних фішингових веб-сайтів. MНаведено багато функцій кожного сайту. 2456 Текст Класифікація 2015 [501] R. Mustafa et al.
Online Retail Dataset Онлайн-транзакції для британського інтернет-магазину. Дані деталі кожної транзакції. 541,909 Текст Класифікація, кластеризація 2015 [502] D. Chen
Freebase Simple Topic Dump Freebase — це онлайн-інструмент структурування всіх людських знань. Теми з Freebase були вилучені. багато Текст Класифікація, кластеризація 2011 [503][504] Freebase
Farm Ads Dataset Текст реклами ферми з сайтів. Надається бінарне схвалення або відхилення власниками вмісту. Розраховані SVMlight розріджені вектори текстових слів в оголошеннях. 4143 Текст Класифікація 2011 [505][506] C. Masterharm et al.

ІгриРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Poker Hand Dataset 5 карткових рук із стандартної колоди з 52 карт. Надаються атрибути кожної руки, включаючи покерні руки, утворені картами, які вона містить. 1,025,010 Текст Регресія, класифікація 2007 [507] R. Cattral
Connect-4 Dataset Містить усі дозволені 8-шарові позиції в грі Connect-4, в якій жоден із гравців ще не виграв і в якій наступний хід не вимушений. Немає 67,557 Текст Класифікація 1995 [508] J. Tromp
Chess (King-Rook vs. King) Dataset База даних фіналу для білого короля та лади проти чорного короля. Немає 28,056 Текст Класифікація 1994 [509][510] M. Bain et al.
Chess (King-Rook vs. King-Pawn) Dataset King+Rook versus King+Pawn on a7. Немає 3196 Текст Класифікація 1989 [511] R. Holte
Tic-Tac-Toe Endgame Dataset Бінарна класифікація умов виграшу в хрестики-нулики. Немає 958 Текст Класифікація 1991 [512] D. Aha

Інші багатоваріантостіРедагувати

Назва Опис Обробка Розмір Формат Задачі Створення Посилання Джерело
Housing Data Set Середні значення будинку в Бостоні з пов’язаними атрибутами будинку та району. Немає 506 Текст Регресія 1993 [513] D. Harrison et al.
The Getty Vocabularies структурована термінологія художньої та іншої матеріальної культури, архівні матеріали, візуальні сурогати та бібліографічні матеріали. Немає багато Текст Класифікація 2015 [514] Getty Center
Yahoo! Front Page Today Module User Click Log Журнал кліків користувача для статей новин, які відображаються на вкладці "Вибрані" модуля Today на Yahoo! Титульна сторінка. Сумісний аналіз з білінійною моделлю. 45 811 883 відвідування користувачів Текст Регресія, кластеризація 2009 [515][516] Chu et al.
British Oceanographic Data Centre Біологічні, хімічні, фізичні та геофізичні дані для океанів. Відстежено 22 тис. змінних. Різні. 22 тис. змінних, багато екземплярів Текст Регресія, кластеризація 2015 [517] British Oceanographic Data Centre
Congressional Voting Records Dataset Дані голосування всіх представників США з 16 питань. Детально записуються про використання програм кожним користувачем. 435 Текст Класифікація 1987 [518] J. Schlimmer
Entree Chicago Recommendation Dataset Запис взаємодії користувачів із системою рекомендацій Entree Chicago. Детально записуються дані про використання програми кожним користувачем. 50,672 Текст Регресія, рекомендація 2000 [519] R. Burke
Insurance Company Benchmark (COIL 2000) Інформація про клієнтів страхової компанії. Багато функцій кожного клієнта та послуг, якими вони користуються. 9,000 Текст Регресія, класифікація 2000 [520][521] P. van der Putten
Nursery Dataset Дані від абітурієнтів до дитячих садків. Включаються дані про сім'ю заявника та різні інші фактори. 12,960 Текст Класифікація 1997 [522][523] V. Rajkovic et al.
University Dataset Дані, що описують атрибути великої кількості університетів. Немає 285 Текст Класифікація, кластеризація 1988 [524] S. Sounders et al.
Blood Transfusion Service Center Dataset Дані центру переливання крові. Надає дані про швидкість повернення донорів, частоту тощо. Немає 748 Текст Класифікація 2008 [525][526] I. Yeh
Record Linkage Comparison Patterns Dataset Великий набір записів. Завдання — зв’язати між собою відповідні записи. Процедура блокування застосовується для вибору лише певних пар записів. 5,749,132 Текст Класифікація 2011 [527][528] University of Mainz
Nomao Dataset Nomao збирає дані про місця з багатьох різних джерел. Завдання — виявити предмети, які описують одне й те саме місце. Позначені копії. 34,465 Текст Класифікація 2012 [529][530] Nomao Labs
Movie Dataset Дані для 10 000 фільмів. Для кожного фільму надано кілька функцій. 10,000 Текст Класифікація, кластеризація 1999 [531] G. Wiederhold
Open University Learning Analytics Dataset Інформація про студентів та їх взаємодію з віртуальним навчальним середовищем. Жодного ~ 30,000 Текст Класифікація, кластеризація, регресія 2015 [532][533] J. Kuzilek et al.
Mobile phone records Телекомунікаційна діяльність та взаємодії Агрегація за клітинками географічної сітки та кожні 15 хвилин. великий Текст Класифікація, кластеризація, регресія 2015 [534] G. Barlacchi et al.

Кураторські сховища наборів данихРедагувати

Оскільки набори даних бувають у безлічі форматів і іноді можуть бути важкими у використанні, була проведена значна робота в організації та стандартизації формату наборів даних, щоб полегшити їх використання для дослідження машинного навчання.

  • OpenML:[535] веб-платформа з Python, R, Java та іншими API для завантаження сотень наборів даних машинного навчання, оцінки алгоритмів у наборах даних і порівняння продуктивності алгоритму з десятками інших алгоритмів.
  • PMLB:[536] велике сховище контрольних наборів даних для оцінки контрольованих алгоритмів машинного навчання. Забезпечує набори даних класифікації та регресії в стандартизованому форматі, які доступні через API Python.
  • Metatext NLP: веб-сховище https://metatext.io/datasets, яке обслуговується спільнотою, містить майже 1000 контрольних наборів даних і збільшується. Надає багато завдань від класифікації до QA, а також різні мови від англійської, португальської до арабської.
  • Appen: Off the Shelf and Open Source Datasets, розміщені та підтримувані компанією. Ці біологічні, графічні, фізичні, відповіді на запитання, сигнальні, звукові, текстові та відеоресурси налічують понад 250 і їх можна застосувати до більш ніж 25 різних випадків використання[537].[538]

Дивись такожРедагувати



ПриміткиРедагувати

  1. Edge.org. www.edge.org. Процитовано 24 травня 2022. 
  2. Weiss, G. M.; Provost, F. (1 жовтня 2003). Learning When Training Data are Costly: The Effect of Class Distribution on Tree Induction. Journal of Artificial Intelligence Research (англ.) 19. с. 315–354. ISSN 1076-9757. doi:10.1613/jair.1199. Процитовано 24 травня 2022. 
  3. Turney, Peter D. (11 грудня 2002). Types of Cost in Inductive Concept Learning. arXiv:cs/0212034. Процитовано 24 травня 2022. 
  4. Turney, Peter D. (11 грудня 2002). Types of Cost in Inductive Concept Learning. arXiv:cs/0212034. Процитовано 25 травня 2022. 
  5. Žliobaitė, Indrė; Bifet, Albert; Pfahringer, Bernhard; Holmes, Geoff (2011). Active Learning with Evolving Streaming Data. У Gunopulos, Dimitrios. Machine Learning and Knowledge Discovery in Databases (англ.) (Springer). с. 597–612. ISBN 978-3-642-23808-6. doi:10.1007/978-3-642-23808-6_39. Процитовано 24 травня 2022. 
  6. Zafeiriou, Stefanos; Kollias, Dimitrios; Nicolaou, Mihalis A.; Papaioannou, Athanasios; Zhao, Guoying; Kotsia, Irene (2017-07). Aff-Wild: Valence and Arousal ‘In-the-Wild’ Challenge. 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). с. 1980–1987. doi:10.1109/CVPRW.2017.248. Процитовано 25 травня 2022. 
  7. Kollias, Dimitrios; Tzirakis, Panagiotis; Nicolaou, Mihalis A.; Papaioannou, Athanasios; Zhao, Guoying; Schuller, Björn; Kotsia, Irene; Zafeiriou, Stefanos (1 червня 2019). Deep Affect Prediction in-the-Wild: Aff-Wild Database and Challenge, Deep Architectures, and Beyond. International Journal of Computer Vision (англ.) 127 (6). с. 907–929. ISSN 1573-1405. doi:10.1007/s11263-019-01158-4. Процитовано 25 травня 2022. 
  8. Kollias, Dimitrios; Zafeiriou, Stefanos (25 вересня 2019). Expression, Affect, Action Unit Recognition: Aff-Wild2, Multi-Task Learning and ArcFace. arXiv:1910.04855 [cs, eess]. Процитовано 25 травня 2022. 
  9. Kollias, D.; Schulc, Attila; Hajiyev, Elnar; Zafeiriou, S. (2020). Analysing Affective Behavior in the First ABAW 2020 Competition. 2020 15th IEEE International Conference on Automatic Face and Gesture Recognition (FG 2020). doi:10.1109/FG47880.2020.00126. Процитовано 25 травня 2022. 
  10. Wiskott, Laurenz, et al. "Face recognition by elastic bunch graph matching."Pattern Analysis and Machine Intelligence, IEEE Transactions on 19.7 (1997): 775-779.
  11. Wiskott, L.; Krüger, Norbert; Kuiger, N.; von der Malsburg, C. (1997-07). Face recognition by elastic bunch graph matching. IEEE Transactions on Pattern Analysis and Machine Intelligence 19 (7). с. 775–779. ISSN 1939-3539. doi:10.1109/34.598235. Процитовано 27 травня 2022. 
  12. Livingstone, Steven R.; Russo, Frank A. (16 трав. 2018 р.). The Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS): A dynamic, multimodal set of facial and vocal expressions in North American English. PLOS ONE (англ.) 13 (5). с. e0196391. ISSN 1932-6203. PMC PMC5955500. PMID 29768426. doi:10.1371/journal.pone.0196391. Процитовано 28 травня 2022. 
  13. Livingstone, Steven R.; Russo, Frank A. (5 квітня 2018). The Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS). Zenodo. doi:10.5281/zenodo.1188976. Процитовано 28 травня 2022. 
  14. Grgic, Mislav, Kresimir Delac, and Sonja Grgic. "SCface–surveillance cameras face database." Multimedia tools and applications 51.3 (2011): 863-879.
  15. Wallace, Roy, et al. "Inter-session variability modelling and joint factor analysis for face authentication." Biometrics (IJCB), 2011 International Joint Conference on. IEEE, 2011.
  16. Georghiades, A. "Yale face database". Center For Computational Vision And Control At Yale University,. 
  17. Nguyen, D.; Halupka, D.; Aarabi, P.; Sheikholeslami, A. (2006-08). Real-time face detection and lip feature extraction using field-programmable gate arrays. IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics) 36 (4). с. 902–912. ISSN 1941-0492. doi:10.1109/TSMCB.2005.862728. Процитовано 28 травня 2022. 
  18. Kanade, T.; Cohn, J.F.; Yingli Tian. Comprehensive database for facial expression analysis. Proceedings Fourth IEEE International Conference on Automatic Face and Gesture Recognition (Cat. No. PR00580) (IEEE Comput. Soc). doi:10.1109/afgr.2000.840611. Процитовано 28 травня 2022. 
  19. Zeng, Zhihong; Pantic, Maja; Roisman, Glenn I.; Huang, Thomas S. (2009-01). A Survey of Affect Recognition Methods: Audio, Visual, and Spontaneous Expressions. IEEE Transactions on Pattern Analysis and Machine Intelligence 31 (1). с. 39–58. ISSN 1939-3539. doi:10.1109/TPAMI.2008.52. Процитовано 28 травня 2022. 
  20. Lyons, Michael; Kamachi, Miyuki; Gyoba, Jiro (14 квітня 1998). The Japanese Female Facial Expression (JAFFE) Dataset. Zenodo. doi:10.5281/zenodo.3451524. Процитовано 28 травня 2022. 
  21. Lyons, M.; Akamatsu, S.; Kamachi, M.; Gyoba, J. Coding facial expressions with Gabor wavelets. Proceedings Third IEEE International Conference on Automatic Face and Gesture Recognition (IEEE Comput. Soc). doi:10.1109/afgr.1998.670949. Процитовано 28 травня 2022. 
  22. Ng, Hong-Wei; Winkler, Stefan (2014-10). A data-driven approach to cleaning large face datasets. 2014 IEEE International Conference on Image Processing (ICIP) (IEEE). doi:10.1109/icip.2014.7025068. Процитовано 28 травня 2022. 
  23. RoyChowdhury, Aruni; Lin, Tsung-Yu; Maji, Subhransu; Learned-Miller, Erik (28 березня 2016). One-to-many face recognition with bilinear CNNs. arXiv:1506.01342 [cs]. Процитовано 28 травня 2022. 
  24. Jesorsky, Oliver; Kirchberg, Klaus J.; Frischholz, Robert W. (2001). Robust Face Detection Using the Hausdorff Distance. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer Berlin Heidelberg. с. 90–95. ISBN 978-3-540-42216-7. 
  25. Karam, Lina J.; Zhu, Tong (17 березня 2015). Quality labeled faces in the wild (QLFW): a database for studying face recognition in real-world environments. Human Vision and Electronic Imaging XX (SPIE). doi:10.1117/12.2080393. Процитовано 28 травня 2022. 
  26. Bhatt, Rajen B.; Sharma, Gaurav; Dhall, Abhinav; Chaudhury, Santanu (2009). Efficient Skin Region Segmentation Using Low Complexity Fuzzy Decision Tree Model. 2009 Annual IEEE India Conference (IEEE). doi:10.1109/indcon.2009.5409447. Процитовано 28 травня 2022. 
  27. Lingala, Mounika; Joe Stanley, R.; Rader, Ryan K.; Hagerty, Jason; Rabinovitz, Harold S.; Oliviero, Margaret; Choudhry, Iqra; Stoecker, William V. (1 липня 2014). Fuzzy logic color detection: Blue areas in melanoma dermoscopy images. Computerized Medical Imaging and Graphics (англ.) 38 (5). с. 403–410. ISSN 0895-6111. PMC PMC4287461. PMID 24786720. doi:10.1016/j.compmedimag.2014.03.007. Процитовано 28 травня 2022. 
  28. Maes, Chris; Fabry, Thomas; Keustermans, Johannes; Smeets, Dirk; Suetens, Paul; Vandermeulen, Dirk (2010-09). Feature detection on 3D face surfaces for pose normalisation and recognition. 2010 Fourth IEEE International Conference on Biometrics: Theory, Applications and Systems (BTAS) (IEEE). doi:10.1109/btas.2010.5634543. Процитовано 28 травня 2022. 
  29. Savran, Arman; Alyüz, Neşe; Dibeklioğlu, Hamdi; Çeliktutan, Oya; Gökberk, Berk; Sankur, Bülent; Akarun, Lale (2008). Bosphorus Database for 3D Face Analysis. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer Berlin Heidelberg. с. 47–56. ISBN 978-3-540-89990-7. 
  30. Heseltine, T.; Pears, N.; Austin, J. Three-dimensional face recognition: an eigensurface approach. 2004 International Conference on Image Processing, 2004. ICIP '04. (IEEE). doi:10.1109/icip.2004.1419769. Процитовано 28 травня 2022. 
  31. Ge, Yun; et al. (2011). "3D Novel Face Sample Modeling for Face Recognition". Journal of Multimedia.. ojs.academypublisher.com. doi:10.4304/jmm.6.5.467-475. Процитовано 28 травня 2022. 
  32. Wang, Yueming, Jianzhuang Liu, and Xiaoou Tang. "Robust 3D face recognition by local shape difference boosting." Pattern Analysis and Machine Intelligence, IEEE Transactions on 32.10 (2010): 1858–1870.
  33. Zhong, Cheng, Zhenan Sun, and Tieniu Tan. "Robust 3D face recognition using learned visual codebook." Computer Vision and Pattern Recognition, 2007. CVPR'07. IEEE Conference on. IEEE, 2007.
  34. Zhao, G., Huang, X., Taini, M., Li, S. Z., & Pietikäinen, M. (2011). Facial expression recognition from near-infrared videos. Image and Vision Computing, 29(9), 607-619.
  35. Soyel, Hamit, and Hasan Demirel. "Facial expression recognition using 3D facial feature distances." Image Analysis and Recognition. Springer Berlin Heidelberg, 2007. 831-838.
  36. Bowyer, Kevin W., Kyong Chang, and Patrick Flynn. "A survey of approaches and challenges in 3D and multi-modal 3D+ 2D face recognition." Computer vision and image understanding 101.1 (2006): 1-15.
  37. Tan, Xiaoyang, and Bill Triggs. "Enhanced local texture feature sets for face recognition under difficult lighting conditions." Image Processing, IEEE Transactions on 19.6 (2010): 1635–1650.
  38. Mousavi, Mir Hashem, Karim Faez, and Amin Asghari. "Three dimensional face recognition using SVM classifier." Computer and Information Science, 2008. ICIS 08. Seventh IEEE/ACIS International Conference on. IEEE, 2008.
  39. Amberg, Brian, Reinhard Knothe, and Thomas Vetter. "Expression invariant 3D face recognition with a morphable model." Automatic Face & Gesture Recognition, 2008. FG'08. 8th IEEE International Conference on. IEEE, 2008.
  40. İrfanoğlu, M. O., Berk Gökberk, and Lale Akarun. "3D shape-based face recognition using automatically registered facial surfaces." Pattern Recognition, 2004. ICPR 2004. Proceedings of the 17th International Conference on. Vol. 4. IEEE, 2004.
  41. Beumier, Charles, and Marc Acheroy. "Face verification from 3D and grey level clues." Pattern recognition letters 22.12 (2001): 1321–1329.
  42. Computer Science. arxiv.org. Процитовано 28 травня 2022. 
  43. SoF dataset. sites.google.com (укр.). Процитовано 28 травня 2022. 
  44. IMDB-WIKI - 500k+ face images with age and gender labels. data.vision.ee.ethz.ch. Процитовано 28 травня 2022. 
  45. Patron-Perez, Alonso; Marszalek, Marcin; Reid, Ian; Zisserman, Andrew (2012-12). Structured Learning of Human Interactions in TV Shows. IEEE Transactions on Pattern Analysis and Machine Intelligence 34 (12). с. 2441–2453. ISSN 1939-3539. doi:10.1109/TPAMI.2012.24. Процитовано 20 травня 2022. 
  46. Ofli, Ferda; Chaudhry, Rizwan; Kurillo, Gregorij; Vidal, Rene; Bajcsy, Ruzena (2013-01). Berkeley MHAD: A comprehensive Multimodal Human Action Database. 2013 IEEE Workshop on Applications of Computer Vision (WACV) (IEEE). doi:10.1109/wacv.2013.6474999. Процитовано 20 травня 2022. 
  47. N.Z.), Asian Conference on Pattern Recognition (5th : 2019 : Auckland,. Pattern recognition : 5th Asian Conference, ACPR 2019, Auckland, New Zealand, November 26-29, 2019, Revised selected papers.. ISBN 978-3-030-41299-9. OCLC 1142374420. 
  48. Feichtenhofer, Christoph; Pinz, Axel; Zisserman, Andrew (2016-06). Convolutional Two-Stream Network Fusion for Video Action Recognition. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (IEEE). doi:10.1109/cvpr.2016.213. Процитовано 28 травня 2022. 
  49. Rama., Zhao, Wenyi. Chellappa,. Face processing : advanced modeling and methods. ISBN 978-0-08-048884-4. OCLC 953864701. 
  50. Krishna, Ranjay; Zhu, Yuke; Groth, Oliver; Johnson, Justin; Hata, Kenji; Kravitz, Joshua; Chen, Stephanie; Kalantidis, Yannis; Li, Li-Jia; Shamma, David A; Bernstein, Michael S; Fei-Fei, Li (2017). Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotations. International Journal of Computer Vision 123: 32–73. arXiv:1602.07332. doi:10.1007/s11263-016-0981-7. 
  51. Karayev, S., et al. "A category-level 3-D object dataset: putting the Kinect to work [Архівовано 21 грудня 2019 у Wayback Machine.]." Proceedings of the IEEE International Conference on Computer Vision Workshops. 2011.
  52. Tighe, Joseph, and Svetlana Lazebnik. "Superparsing: scalable nonparametric image parsing with superpixels [Архівовано 6 серпня 2019 у Wayback Machine.]." Computer Vision–ECCV 2010. Springer Berlin Heidelberg, 2010. 352–365.
  53. Arbelaez, P.; Maire, M; Fowlkes, C; Malik, J (May 2011). Contour Detection and Hierarchical Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence 33 (5): 898–916. PMID 20733228. doi:10.1109/tpami.2010.161. Архів оригіналу за 8 травня 2012. Процитовано 27 лютого 2016. 
  54. Lin, Tsung-Yi, et al. "Microsoft coco: Common objects in context." Computer Vision–ECCV 2014. Springer International Publishing, 2014. 740–755.
  55. Russakovsky, Olga; Deng, Jia; Su, Hao; Krause, Jonathan; Satheesh, Sanjeev; Ma, Sean; Huang, Zhiheng; Karpathy, Andrej та ін. (1 грудня 2015). ImageNet Large Scale Visual Recognition Challenge. International Journal of Computer Vision (англ.) 115 (3). с. 211–252. ISSN 1573-1405. doi:10.1007/s11263-015-0816-y. Процитовано 27 травня 2022. 
  56. COCO - Common Objects in Context. cocodataset.org. Архів оригіналу за 20 жовтня 2021. Процитовано 17 жовтня 2021. 
  57. Xiao, Jianxiong, et al. "Sun database: Large-scale scene recognition from abbey to zoo." Computer vision and pattern recognition (CVPR), 2010 IEEE conference on. IEEE, 2010.
  58. Donahue, Jeff; Jia, Yangqing; Vinyals, Oriol; Hoffman, Judy; Zhang, Ning; Tzeng, Eric; Darrell, Trevor (2013). «DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition». arXiv:1310.1531 [cs.CV]. 
  59. Deng, Jia, et al. "Imagenet: A large-scale hierarchical image database."Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. IEEE, 2009.
  60. а б в Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. "Imagenet classification with deep convolutional neural networks [Архівовано 31 серпня 2019 у Wayback Machine.]." Advances in neural information processing systems. 2012.
  61. Russakovsky, Olga; Deng, Jia; Su, Hao; Krause, Jonathan; Satheesh, Sanjeev; Ma, Sean; Huang, Zhiheng; Karpathy, Andrej та ін. (1 грудня 2015). ImageNet Large Scale Visual Recognition Challenge. International Journal of Computer Vision (англ.) 115 (3). с. 211–252. ISSN 1573-1405. doi:10.1007/s11263-015-0816-y. Процитовано 27 травня 2022. 
  62. Ivan Krasin, Tom Duerig, Neil Alldrin, Andreas Veit, Sami Abu-El-Haija, Serge Belongie, David Cai, Zheyun Feng, Vittorio Ferrari, Victor Gomes, Abhinav Gupta, Dhyanesh Narayanan, Chen Sun, Gal Chechik, Kevin Murphy. "OpenImages: A public dataset for large-scale multi-label and multi-class image classification, 2017. Available from https://github.com/openimages [Архівовано 14 квітня 2020 у Wayback Machine.]."
  63. Vyas, Apoorv, et al. "Commercial Block Detection in Broadcast News Videos." Proceedings of the 2014 Indian Conference on Computer Vision Graphics and Image Processing. ACM, 2014.
  64. Hauptmann, Alexander G., and Michael J. Witbrock. "Story segmentation and detection of commercials in broadcast news video." Research and Technology Advances in Digital Libraries, 1998. ADL 98. Proceedings. IEEE International Forum on. IEEE, 1998.
  65. Tung, Anthony KH, Xin Xu, and Beng Chin Ooi. "Curler: finding and visualizing nonlinear correlation clusters [Архівовано 6 серпня 2019 у Wayback Machine.]." Proceedings of the 2005 ACM SIGMOD international conference on Management of data. ACM, 2005.
  66. Jarrett, Kevin, et al. "What is the best multi-stage architecture for object recognition? [Архівовано 6 серпня 2019 у Wayback Machine.]." Computer Vision, 2009 IEEE 12th International Conference on. IEEE, 2009.
  67. Lazebnik, Svetlana, Cordelia Schmid, and Jean Ponce. "Beyond bags of features: Spatial pyramid matching for recognizing natural scene categories [Архівовано 6 серпня 2019 у Wayback Machine.]."Computer Vision and Pattern Recognition, 2006 IEEE Computer Society Conference on. Vol. 2. IEEE, 2006.
  68. Griffin, G., A. Holub, and P. Perona. Caltech-256 object category dataset California Inst. Technol., Tech. Rep. 7694, 2007 [Online]. Available: http://authors.library.caltech.edu/7694 [Архівовано 7 липня 2019 у Wayback Machine.] , 2007.
  69. Baeza-Yates, Ricardo, and Berthier Ribeiro-Neto. Modern information retrieval. Vol. 463. New York: ACM press, 1999.
  70. Fu, Xiping, et al. "NOKMeans: Non-Orthogonal K-means Hashing." Computer Vision—ACCV 2014. Springer International Publishing, 2014. 162–177.
  71. Heitz, Geremy; Elidan, Gal; Packer, Benjamin; Koller, Daphne (1 серпня 2009). Shape-Based Object Localization for Descriptive Classification. International Journal of Computer Vision (англ.) 84 (1). с. 40–62. ISSN 1573-1405. doi:10.1007/s11263-009-0228-y. Процитовано 27 травня 2022. 
  72. M. Cordts, M. Omran, S. Ramos, T. Scharwächter, M. Enzweiler, R. Benenson, U. Franke, S. Roth, and B. Schiele, "The Cityscapes Dataset [Архівовано 17 квітня 2020 у Wayback Machine.]." In CVPR Workshop on The Future of Datasets in Vision, 2015.
  73. Everingham, Mark (2010). The pascal visual object classes (voc) challenge. International Journal of Computer Vision 88 (2): 303–338. doi:10.1007/s11263-009-0275-4. 
  74. Felzenszwalb, Pedro F.; Girshick, Ross B.; McAllester, David; Ramanan, Deva (2010-09). Object Detection with Discriminatively Trained Part-Based Models. IEEE Transactions on Pattern Analysis and Machine Intelligence 32 (9). с. 1627–1645. ISSN 1939-3539. doi:10.1109/TPAMI.2009.167. Процитовано 27 травня 2022. 
  75. а б Gong, Yunchao, and Svetlana Lazebnik. "Iterative quantization: A procrustean approach to learning binary codes." Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference on. IEEE, 2011.
  76. CINIC-10 dataset. Luke N. Darlow, Elliot J. Crowley, Antreas Antoniou, Amos J. Storkey (2018) CINIC-10 is not ImageNet or CIFAR-10. 9 жовтня 2018. Архів оригіналу за 12 листопада 2018. Процитовано 13 листопада 2018. 
  77. fashion-mnist: A MNIST-like fashion product database. Benchmark :point_right. Zalando Research. 7 жовтня 2017. Архів оригіналу за 20 липня 2019. Процитовано 7 жовтня 2017. 
  78. notMNIST dataset. Machine Learning, etc. 8 вересня 2011. Архів оригіналу за 1 вересня 2019. Процитовано 13 жовтня 2017. 
  79. Houben, Sebastian, et al. "Detection of traffic signs in real-world images: The German Traffic Sign Detection Benchmark." Neural Networks (IJCNN), The 2013 International Joint Conference on. IEEE, 2013.
  80. Mathias, Mayeul, et al. "Traffic sign recognition—How far are we from the solution? [Архівовано 30 грудня 2020 у Wayback Machine.]." Neural Networks (IJCNN), The 2013 International Joint Conference on. IEEE, 2013.
  81. Geiger, Andreas, Philip Lenz, and Raquel Urtasun. "Are we ready for autonomous driving? the kitti vision benchmark suite [Архівовано 22 грудня 2018 у Wayback Machine.]." Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on. IEEE, 2012.
  82. Sturm, Jürgen, et al. "A benchmark for the evaluation of RGB-D SLAM systems [Архівовано 12 липня 2019 у Wayback Machine.]." Intelligent Robots and Systems (IROS), 2012 IEEE/RSJ International Conference on. IEEE, 2012.
  83. The KITTI Vision Benchmark Suite на YouTube (англ.)
  84. Chaladze, G., Kalatozishvili, L. (2017). Linnaeus 5 datasetChaladze.com. Retrieved 13 November 2017, from http://chaladze.com/l5/ [Архівовано 25 серпня 2019 у Wayback Machine.]
  85. Kragh, Mikkel F. (2017). FieldSAFE – Dataset for Obstacle Detection in Agriculture. Sensors 17 (11): 2579. PMC 5713196. PMID 29120383. doi:10.3390/s17112579. Архів оригіналу за 31 жовтня 2018. Процитовано 7 вересня 2019. 
  86. Afifi, Mahmoud (2017-11-12). «Gender recognition and biometric identification using a large dataset of hand images». arXiv:1711.04322 [cs.CV]. 
  87. Lomonaco, Vincenzo; Maltoni, Davide (2017-10-18). «CORe50: a New Dataset and Benchmark for Continuous Object Recognition». arXiv:1705.03550 [cs.CV]. 
  88. She, Qi; Feng, Fan; Hao, Xinyue; Yang, Qihan; Lan, Chuanlin; Lomonaco, Vincenzo; Shi, Xuesong; Wang, Zhengwei та ін. (6 березня 2020). OpenLORIS-Object: A Robotic Vision Dataset and Benchmark for Lifelong Deep Learning. arXiv:1911.06487 [cs, stat]. Процитовано 28 травня 2022. 
  89. Morozov, Alexei A.; Sushkova, Olga S.; Polupanov, Alexander F. (2017-06). Object-oriented logic programming of 3D intelligent video surveillance: The problem statement. 2017 IEEE 26th International Symposium on Industrial Electronics (ISIE) (IEEE). doi:10.1109/isie.2017.8001491. Процитовано 28 травня 2022. 
  90. Morozov, Alexei; Sushkova, Olga; Kershner, Ivan; Polupanov, Alexander (2019). Development of a Method of Terahertz Intelligent Video Surveillance Based on the Semantic Fusion of Terahertz and 3D Video Images. Proceedings of the V International conference Information Technology and Nanotechnology 2019 (IP Zaitsev V.D.). doi:10.18287/1613-0073-2019-2391-134-143. Процитовано 28 травня 2022. 
  91. author., Tecuci, Gheorghe,. Knowledge engineering : building cognitive assistants for evidence-based reasoning. ISBN 978-1-107-12256-7. OCLC 927619906. 
  92. Frey, Peter W.; Slate, David J. (1991-03). Letter recognition using Holland-style adaptive classifiers. Machine Learning 6 (2). с. 161–182. ISSN 0885-6125. doi:10.1007/bf00114162. Процитовано 20 травня 2022. 
  93. Peltonen, Jaakko; Klami, Arto; Kaski, Samuel (2004-10). Improved learning of Riemannian metrics for exploratory analysis. Neural Networks (англ.) 17 (8-9). с. 1087–1100. doi:10.1016/j.neunet.2004.06.008. Процитовано 20 травня 2022. 
  94. а б Liu, Cheng-Lin; Yin, Fei; Wang, Da-Han; Wang, Qiu-Feng (2013-01). Online and offline handwritten Chinese character recognition: Benchmarking on new databases. Pattern Recognition (англ.) 46 (1). с. 155–162. doi:10.1016/j.patcog.2012.06.021. Процитовано 20 травня 2022. 
  95. Wang, Da-Han; Liu, Cheng-Lin; Yu, Jin-Lun; Zhou, Xiang-Dong (2009-07). CASIA-OLHWDB1: A Database of Online Handwritten Chinese Characters. 2009 10th International Conference on Document Analysis and Recognition. с. 1206–1210. doi:10.1109/ICDAR.2009.163. Процитовано 20 травня 2022. 
  96. Williams, Ben H.; Toussaint, Marc; Storkey, Amos J. (2006). Extracting Motion Primitives from Natural Handwriting Data. Artificial Neural Networks – ICANN 2006. Berlin, Heidelberg: Springer Berlin Heidelberg. с. 634–643. ISBN 978-3-540-38871-5. 
  97. Calif.), IEEE/ACM International Conference on Computer-Aided Design (1998 : San Jose, (1998). 1998 IEEE/ACM International Conference on Computer-Aided Design : digest of technical papers : November 8-12, 1998, San Jose, California. IEEE Computer Society Press. ISBN 1-58113-008-2. OCLC 40434775. 
  98. V., Cantoni, (1989). Recent issues in pattern analysis and recognition. Springer-Verlag. OCLC 555471615. 
  99. Cohen, Gregory; Afshar, Saeed; Tapson, Jonathan; van Schaik, André (17 лютого 2017). EMNIST: an extension of MNIST to handwritten letters. arXiv:1702.05373 [cs]. Процитовано 27 травня 2022. 
  100. André, Cohen, Gregory Afshar, Saeed Tapson, Jonathan van Schaik, (17 лютого 2017). EMNIST: an extension of MNIST to handwritten letters. OCLC 1106257270. 
  101. Cohen, Gregory; Afshar, Saeed; Tapson, Jonathan; van Schaik, André (17 лютого 2017). EMNIST: an extension of MNIST to handwritten letters. arXiv:1702.05373 [cs]. Процитовано 20 травня 2022. 
  102. Figure 4: Samples of handwritten isolated Arabic characters.. dx.doi.org. Процитовано 20 травня 2022. 
  103. One-Shot Learning Considerations. Internet-Scale Pattern Recognition. Chapman and Hall/CRC. 20 листопада 2012. с. 53–66. 
  104. Figure 10: Combination the result of feature selection and WGCNA.. dx.doi.org. Процитовано 20 травня 2022. 
  105. editor, Bieger, Jordi., editor Goertzel, Ben., editor Potapov, Alexey.,. Artificial General Intelligence : 8th International Conference, AGI 2015, AGI 2015, Berlin, Germany, July 22-25, 2015, Proceedings. ISBN 3-319-21365-2. OCLC 1113542889. 
  106. Online), International Conference on Artificial Neural Networks (European Neural Network Society) (30th : 2021 :. Artificial neural networks and machine learning -- ICANN 2021 : 30th International Conference on Artificial Neural Networks, Bratislava, Slovakia, September 14-17, 2021, Proceedings.. ISBN 978-3-030-86340-1. OCLC 1268260200. 
  107. Lecun, Y.; Bottou, L.; Bengio, Y.; Haffner, P. (Nov./1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE 86 (11). с. 2278–2324. doi:10.1109/5.726791. Процитовано 20 травня 2022. 
  108. Kussul, Ernst; Baidyk, Tatiana (2004-10). Improved method of handwritten digit recognition tested on MNIST database. Image and Vision Computing (англ.) 22 (12). с. 971–981. doi:10.1016/j.imavis.2004.03.008. Процитовано 20 травня 2022. 
  109. Xu, L.; Krzyzak, A.; Suen, C.Y. (May-June/1992). Methods of combining multiple classifiers and their applications to handwriting recognition. IEEE Transactions on Systems, Man, and Cybernetics 22 (3). с. 418–435. doi:10.1109/21.155943. Процитовано 20 травня 2022. 
  110. Alimoglu, F.; Alpaydin, E. Combining multiple representations and classifiers for pen-based handwritten digit recognition. Proceedings of the Fourth International Conference on Document Analysis and Recognition (IEEE Comput. Soc). doi:10.1109/icdar.1997.620583. Процитовано 20 травня 2022. 
  111. Tang, E.K.; Suganthan, P.N.; Yao, X.; Qin, A.K. (2005-04). Linear dimensionality reduction using relevance weighted LDA. Pattern Recognition (англ.) 38 (4). с. 485–493. doi:10.1016/j.patcog.2004.09.005. Процитовано 20 травня 2022. 
  112. Hong, Yi, et al. 
  113. Drahan, K. I. (1975). [Endocrinologic peculiarities of the course of pregnancy and labor in primaparous women of the older age groups]. Pediatriia Akusherstvo I Ginekologiia (5). с. 41–44. ISSN 0031-4048. PMID 1701. Процитовано 20 травня 2022. 
  114. Rothschild, M.; Schlein, J.; Parker, K.; Neville, C.; Sternberg, S. (30 жовтня 1975). The jumping mechanism of Xenopsylla cheopis. III. Execution of the jump and activity. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences 271 (914). с. 499–515. ISSN 0962-8436. PMID 1806. doi:10.1098/rstb.1975.0064. Процитовано 20 травня 2022. 
  115. Liu, Qun; Collier, Edward; Mukhopadhyay, Supratik (2019). PCGAN-CHAR: Progressively Trained Classifier Generative Adversarial Networks for Classification of Noisy Handwritten Bangla Characters. У Jatowt, Adam. Digital Libraries at the Crossroads of Digital Information for the Future (англ.) (Springer International Publishing). с. 3–15. ISBN 978-3-030-34058-2. doi:10.1007/978-3-030-34058-2_1. Процитовано 27 травня 2022. 
  116. iSAID. captain-whu.github.io. Процитовано 27 травня 2022. 
  117. iSAID. captain-whu.github.io. Процитовано 27 травня 2022. 
  118. а б Butenuth, Matthias; Burkert, Florian; Schmidt, Florian; Hinz, Stefan; Hartmann, Dirk; Kneidl, Angelika; Borrmann, Andre; Sirmacek, Beril (2011-11). Integrating pedestrian simulation, tracking and event detection for crowd analysis. 2011 IEEE International Conference on Computer Vision Workshops (ICCV Workshops) (IEEE). doi:10.1109/iccvw.2011.6130237. Процитовано 20 травня 2022. 
  119. India), CIPR (Conference) (1st : 2019 : Sibpur,. Computational intelligence in pattern recognition : proceedings of CIPR 2019. ISBN 978-981-13-9042-5. OCLC 1113880051. 
  120. Fradi, Hajer; Dugelay, Jean-Luc (2012-12). Low level crowd analysis using frame-wise normalized feature for people counting. 2012 IEEE International Workshop on Information Forensics and Security (WIFS) (IEEE). doi:10.1109/wifs.2012.6412657. Процитовано 20 травня 2022. 
  121. Johnson, Brian Alan; Tateishi, Ryutaro; Hoan, Nguyen Thanh (27 червня 2013). A hybrid pansharpening approach and multiscale object-based image analysis for mapping diseased pine and oak trees. International Journal of Remote Sensing 34 (20). с. 6969–6982. ISSN 0143-1161. doi:10.1080/01431161.2013.810825. Процитовано 20 травня 2022. 
  122. Mohd Pozi, Muhammad Syafiq; Sulaiman, Md Nasir; Mustapha, Norwati; Perumal, Thinagaran (3 липня 2015). A new classification model for a class imbalanced data set using genetic programming and support vector machines: case study for wilt disease classification. Remote Sensing Letters (англ.) 6 (7). с. 568–577. ISSN 2150-704X. doi:10.1080/2150704X.2015.1062159. Процитовано 20 травня 2022. 
  123. China), International Conference on Digital Image Processing (8th : 2016 : Chengdu,. Eighth International Conference on Digital Image Processing (ICDIP 2016) : 20-23 May 2016, Chengdu, China. ISBN 1-5106-0504-5. OCLC 971084912. 
  124. Gallego, Antonio-Javier. MASATI dataset - MAritime SATellite Imagery dataset. www.iuii.ua.es (англ.). Процитовано 20 травня 2022. 
  125. Gallego, Antonio-Javier; Pertusa, Antonio; Gil, Pablo (24 березня 2018). Automatic Ship Classification from Optical Aerial Images with Convolutional Neural Networks. Remote Sensing 10 (4). с. 511. ISSN 2072-4292. doi:10.3390/rs10040511. Процитовано 20 травня 2022. 
  126. Chatterjee, Sankhadeep; Ghosh, Subhodeep; Dawn, Subham; Hore, Sirshendu; Dey, Nilanjan (2016). Forest Type Classification: A Hybrid NN-GA Model Based Approach. Advances in Intelligent Systems and Computing. New Delhi: Springer India. с. 227–236. ISBN 978-81-322-2756-4. 
  127. Diegert, Carl (2010-10). A combinatorial method for tracing objects using semantics of their shape. 2010 IEEE 39th Applied Imagery Pattern Recognition Workshop (AIPR) (IEEE). doi:10.1109/aipr.2010.5759716. Процитовано 20 травня 2022. 
  128. Frédéric, Razakarivony, Sebastien Jurie,. Small Target Detection combining Foreground and Background Manifolds. OCLC 877840527. 
  129. Ilijason, Robert (2021). Getting Started with Databricks. Getting Started with Databricks. Berkeley, CA: Apress. ISBN 978-1-4842-6919-0. 
  130. Vakalopoulou, Maria; Bus, Norbert; Karantzalos, Konstantinos; Paragios, Nikos (2017-07). Integrating edge/boundary priors with classification scores for building detection in very high resolution data. 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS) (IEEE). с. 3309–3312. ISBN 978-1-5090-4951-6. doi:10.1109/IGARSS.2017.8127705. Процитовано 20 травня 2022. 
  131. Vakalopoulou, Maria; Bus, Norbert; Karantzalos, Konstantinos; Paragios, Nikos (2017-07). Integrating edge/boundary priors with classification scores for building detection in very high resolution data. 2017 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). с. 3309–3312. doi:10.1109/IGARSS.2017.8127705. Процитовано 27 травня 2022. 
  132. Yang, Yi; Newsam, Shawn (2 листопада 2010). Bag-of-visual-words and spatial extensions for land-use classification. Proceedings of the 18th SIGSPATIAL International Conference on Advances in Geographic Information Systems (Association for Computing Machinery). с. 270–279. ISBN 978-1-4503-0428-3. doi:10.1145/1869790.1869829. Процитовано 27 травня 2022. 
  133. а б Basu, Saikat; Ganguly, Sangram; Mukhopadhyay, Supratik; DiBiano, Robert; Karki, Manohar; Nemani, Ramakrishna (3 листопада 2015). DeepSat: a learning framework for satellite imagery. Proceedings of the 23rd SIGSPATIAL International Conference on Advances in Geographic Information Systems (англ.) (ACM). с. 1–10. ISBN 978-1-4503-3967-4. doi:10.1145/2820783.2820816. Процитовано 20 травня 2022. 
  134. Liu, Qun; Basu, Saikat; Ganguly, Sangram; Mukhopadhyay, Supratik; DiBiano, Robert; Karki, Manohar; Nemani, Ramakrishna (1 лютого 2020). DeepSat V2: feature augmented convolutional neural nets for satellite image classification. Remote Sensing Letters 11 (2). с. 156–165. ISSN 2150-704X. doi:10.1080/2150704X.2019.1693071. Процитовано 20 травня 2022. 
  135. Liu, Qun; Basu, Saikat; Ganguly, Sangram; Mukhopadhyay, Supratik; DiBiano, Robert; Karki, Manohar; Nemani, Ramakrishna (1 лютого 2020). DeepSat V2: feature augmented convolutional neural nets for satellite image classification. Remote Sensing Letters (англ.) 11 (2). с. 156–165. ISSN 2150-704X. doi:10.1080/2150704X.2019.1693071. Процитовано 20 травня 2022. 
  136. Harken, A. H.; Woods, M. (1976-02). The influence of oxyhemoglobin affinity on tissue oxygen consumption. Annals of Surgery 183 (2). с. 130–135. ISSN 0003-4932. PMC 1344074. PMID 2111. doi:10.1097/00000658-197602000-00008. Процитовано 20 травня 2022. 
  137. Ebadi, Ashkan; Paul, Patrick; Auer, Sofia; Tremblay, Stéphane (19 листопада 2021). The gas meter image dataset (NRC-GAMMA) (англ.). National Research Council of Canada. doi:10.4224/3c8s-z290. Процитовано 20 травня 2022. 
  138. Rabah, Chaima Ben; Coatrieux, Gouenou; Abdelfattah, Riadh (2020-10). The Supatlantique Scanned Documents Database for Digital Image Forensics Purposes. 2020 IEEE International Conference on Image Processing (ICIP) (IEEE). doi:10.1109/icip40778.2020.9190665. Процитовано 20 травня 2022. 
  139. Mills, Kyle; Tamblyn, Isaac (12 березня 2019). Big graphene dataset (англ.). National Research Council of Canada. doi:10.4224/c8sc04578j.data. Процитовано 20 травня 2022. 
  140. Mills, Kyle; Spanner, Michael; Tamblyn, Isaac (18 травня 2018). Quantum simulations of an electron in a two dimensional potential well (англ.). National Research Council of Canada. doi:10.4224/physreva.96.042113.data. Процитовано 20 травня 2022. 
  141. Rohrbach, Marcus; Amin, Sikandar; Andriluka, Mykhaylo; Schiele, Bernt (2012-06). A database for fine grained activity detection of cooking activities. 2012 IEEE Conference on Computer Vision and Pattern Recognition. с. 1194–1201. doi:10.1109/CVPR.2012.6247801. Процитовано 20 травня 2022. 
  142. Kuehne, Hilde; Arslan, Ali; Serre, Thomas (2014-06). The Language of Actions: Recovering the Syntax and Semantics of Goal-Directed Human Activities. 2014 IEEE Conference on Computer Vision and Pattern Recognition (IEEE). doi:10.1109/cvpr.2014.105. Процитовано 20 травня 2022. 
  143. Sviatoslav, Voloshynovskiy, et al. 
  144. Taran, O.; Rezaeifar, S.; Dabrowski, O.; Schlechten, J.; Holotyak, T.; Voloshynovskiy, S. (2017-08). PharmaPack: Mobile fine-grained recognition of pharma packages. 2017 25th European Signal Processing Conference (EUSIPCO) (IEEE). doi:10.23919/eusipco.2017.8081543. Процитовано 20 травня 2022. 
  145. Xiang, Li, Pu Li, Xiangyang Long, (14 червня 2020). FenceMask: A Data Augmentation Approach for Pre-extracted Image Features. OCLC 1228414137. 
  146. а б Diagnosis. Seizures in Dogs and Cats. Hoboken, NJ: John Wiley & Sons, Inc. 1 травня 2015. с. 94–128. ISBN 978-1-118-68969-1. 
  147. Biggs, Benjamin; Boyne, Oliver; Charles, James; Fitzgibbon, Andrew; Cipolla, Roberto (2020). Who Left the Dogs Out? 3D Animal Reconstruction with Expectation Maximization in the Loop. Computer Vision – ECCV 2020. Cham: Springer International Publishing. с. 195–211. ISBN 978-3-030-58620-1. 
  148. а б Stefan, Sharif Razavian, Ali Azizpour, Hossein Sullivan, Josephine Carlsson, (2014). CNN features off-the-shelf : An Astounding Baseline for Recognition. KTH, Datorseende och robotik, CVAP. OCLC 1233686320. 
  149. Ortega, M.; Rui, Y.; Chakrabarti, K.; Porkaew, K.; Mehrotra, S.; Huang, T.S. (Nov.-Dec./1998). Supporting ranked Boolean similarity queries in MARS. IEEE Transactions on Knowledge and Data Engineering 10 (6). с. 905–925. doi:10.1109/69.738357. Процитовано 20 травня 2022. 
  150. France), International Conference on Medical Image Computing and Computer-Assisted Intervention (15th : 2012 : Nice, (2012). Medical image computing and computer-assisted intervention--MICCAI 2012. 15th International Conference, Nice, France, October 1-5, 2012, Proceedings. Springer. ISBN 978-3-642-33418-4. OCLC 811773023. 
  151. Deneke, Tewodors; Haile, Habtegebreil; Lafond, Sebastien; Lilius, Johan (2014-07). Video transcoding time prediction for proactive load balancing. 2014 IEEE International Conference on Multimedia and Expo (ICME) (IEEE). doi:10.1109/icme.2014.6890256. Процитовано 20 травня 2022. 
  152. 10.3726/978-3-653-03968-9/3. Inactive DOIs. CrossRef. 
  153. Preparation H1N1, et al.: Influenza vaccination, 2010-2011. PsycEXTRA Dataset. 2010. Процитовано 27 травня 2022. 
  154. author., Barnard, Kobus.,. Computational methods for integrating vision and language. ISBN 1-60845-113-5. OCLC 1127139088. 
  155. Shin, Kwangsoo; Jeon, Junhyeong; Lee, Seungbin; Lim, Boyoung; Jeong, Minsoo; Nang, Jongho (2019). Approach for Video Classification with Multi-label on YouTube-8M Dataset. Lecture Notes in Computer Science. Cham: Springer International Publishing. с. 317–324. ISBN 978-3-030-11017-8. 
  156. Fisher, Justin; Kil, Hyunyoung; Lee, Dongwon (2006). OpenArXiv = arXiv + RDBMS + web services. Proceedings of the 6th ACM/IEEE-CS joint conference on Digital libraries - JCDL '06 (ACM Press). doi:10.1145/1141753.1141870. Процитовано 20 травня 2022. 
  157. Matthieu., Deru, (2020). Deep Learning mit TensorFlow, Keras und TensorFlow.js. Rheinwerk Verlag. ISBN 978-3-8362-7427-2. OCLC 1204141741. 
  158. Thomee, Bart; Shamma, David A.; Friedland, Gerald; Elizalde, Benjamin; Ni, Karl; Poland, Douglas; Borth, Damian; Li, Li-Jia (25 січня 2016). YFCC100M: the new data in multimedia research. Communications of the ACM (англ.) 59 (2). с. 64–73. ISSN 0001-0782. doi:10.1145/2812802. Процитовано 20 травня 2022. 
  159. Baveye, Yoann; Dellandrea, Emmanuel; Chamaret, Christel; Liming Chen (1 січня 2015). LIRIS-ACCEDE: A Video Database for Affective Content Analysis. IEEE Transactions on Affective Computing 6 (1). с. 43–55. ISSN 1949-3045. doi:10.1109/taffc.2015.2396531. Процитовано 20 травня 2022. 
  160. Baveye, Yoann; Dellandrea, Emmanuel; Chamaret, Christel; Chen, Liming (2015-09). Deep learning vs. kernel methods: Performance for emotion prediction in videos. 2015 International Conference on Affective Computing and Intelligent Interaction (ACII) (IEEE). doi:10.1109/acii.2015.7344554. Процитовано 20 травня 2022. 
  161. Zhang, Xiaotong; Cheng, Xingliang; Xu, Mingxing; Zheng, Thomas Fang (2 вересня 2018). Imbalance Learning-based Framework for Fear Recognition in the MediaEval Emotional Impact of Movies Task. Interspeech 2018 (ISCA). doi:10.21437/interspeech.2018-1744. Процитовано 20 травня 2022. 
  162. Johnson, Sam; Everingham, Mark (2010). Clustered Pose and Nonlinear Appearance Models for Human Pose Estimation. Procedings of the British Machine Vision Conference 2010 (British Machine Vision Association). doi:10.5244/c.24.12. Процитовано 20 травня 2022. 
  163. Johnson, Sam; Everingham, Mark (2011-06). Learning effective human pose estimation from inaccurate annotation. CVPR 2011 (IEEE). doi:10.1109/cvpr.2011.5995318. Процитовано 20 травня 2022. 
  164. Reports of six individual workshops. Nursing Mirror and Midwives Journal 142 (2). 8 січня 1976. с. 56–59. ISSN 0143-2524. PMID 1711. Процитовано 20 травня 2022. 
  165. Eduard, Jauhar, Sujay Kumar Turney, Peter Hovy, (11 лютого 2016). TabMCQ: A Dataset of General Knowledge Tables and Multiple-choice Questions. OCLC 1106232721. 
  166. Taj-Eddin, Islam A.T.F.; Afifi, Mahmoud; Korashy, Mostafa; Hamdy, Doha; Nasser, Marwa; Derbaz, Shimaa (2016-07). A new compression technique for surveillance videos: Evaluation using new dataset. 2016 Sixth International Conference on Digital Information and Communication Technology and its Applications (DICTAP) (IEEE). с. 159–164. ISBN 978-1-4673-9609-7. doi:10.1109/DICTAP.2016.7544020. Процитовано 20 травня 2022. 
  167. Tabak, Michael A.; Norouzzadeh, Mohammad S.; Wolfson, David W.; Sweeney, Steven J.; Vercauteren, Kurt C.; Snow, Nathan P.; Halseth, Joseph M.; Di Salvo, Paul A. та ін. (2019-04). Machine learning to classify animal species in camera trap images: Applications in ecology. У Photopoulou, Theoni. Methods in Ecology and Evolution (англ.) 10 (4). с. 585–590. ISSN 2041-210X. doi:10.1111/2041-210X.13120. Процитовано 20 травня 2022. 
  168. Taj-Eddin, Islam A. T. F. (2 листопада 2017). Can we see photosynthesis? Magnifying the tiny color changes of plant green leaves using Eulerian video magnification. Journal of Electronic Imaging 26 (06). с. 1. ISSN 1017-9909. doi:10.1117/1.JEI.26.6.060501. Процитовано 20 травня 2022. 
  169. author., Danesi, Marcel, 1946-. An anthropology of puzzles : the role of puzzles in the origins and evolution of mind and culture. ISBN 978-1-350-08985-3. OCLC 1043395986. 
  170. den, McAuley, Julian Targett, Christopher Shi, Qinfeng Hengel, Anton van (15 червня 2015). Image-based Recommendations on Styles and Substitutes. OCLC 1106220231. 
  171. author., Cantarella, Cara,. TEAS review. ISBN 978-1-260-46239-5. OCLC 1140410786. 
  172. Ganesan, Kavita; Zhai, ChengXiang (2012-04). Opinion-based entity ranking. Information Retrieval (англ.) 15 (2). с. 116–150. ISSN 1386-4564. doi:10.1007/s10791-011-9174-8. Процитовано 20 травня 2022. 
  173. China), ICSI (Conference) (4th : 2013 : Harbin,. Advances in swarm intelligence : 4th International Conference, ICSI 2013, Harbin, China, June 12-15, 2013, proceedings. ISBN 978-3-642-38702-9. OCLC 851389904. 
  174. Harper, F. Maxwell; Konstan, Joseph A. (7 січня 2016). The MovieLens Datasets: History and Context. ACM Transactions on Interactive Intelligent Systems (англ.) 5 (4). с. 1–19. ISSN 2160-6455. doi:10.1145/2827872. Процитовано 20 травня 2022. 
  175. McFee, Brian, et al. 
  176. Koenigstein, Noam; Dror, Gideon; Koren, Yehuda (2011). Yahoo! music recommendations. Proceedings of the fifth ACM conference on Recommender systems - RecSys '11 (ACM Press). doi:10.1145/2043932.2043964. Процитовано 20 травня 2022. 
  177. Dezhao., Song, (2014). Towards a linked semantic web: Precisely, comprehensively and scalably linking heterogeneous data in the semantic web.. ISBN 978-1-303-66041-2. OCLC 875517979. 
  178. Tan, Peter J.; Dowe, David L. (2002). MML Inference of Decision Graphs with Multi-way Joins. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer Berlin Heidelberg. с. 131–142. ISBN 978-3-540-00197-3. 
  179. Schneebeli, Célia (23 грудня 2020). Where lol Is: Function and Position of lol Used as a Discourse Marker in YouTube Comments. Discours (27). ISSN 1963-1723. doi:10.4000/discours.10900. Процитовано 20 травня 2022. 
  180. Kim, Byung Joo (2012). У Lee, Geuk; Howard, Daniel; Ślęzak, Dominik та ін. A Classifier for Big Data. Convergence and Hybrid Information Technology (англ.) 310. Berlin, Heidelberg: Springer Berlin Heidelberg. с. 505–512. ISBN 978-3-642-32691-2. doi:10.1007/978-3-642-32692-9_63. 
  181. D., Pérezgonzález, Jose. Predicting Skytrax airport rankings from customer reviews. OCLC 754949191. 
  182. 1959-, Kuncheva, Ludmila I. (Ludmila Ilieva),. Combining pattern classifiers : methods and algorithms. ISBN 978-1-118-91454-0. OCLC 878051089. 
  183. Luu-Thuy, Luu, Son T. Van Nguyen, Kiet Nguyen, Ngan (25 вересня 2020). Empirical Study of Text Augmentation on Social Media Text in Vietnamese. OCLC 1228434572. 
  184. Lim, Tjen-Sien; Loh, Wei-Yin; Shih, Yu-Shan (1 вересня 2000). A Comparison of Prediction Accuracy, Complexity, and Training Time of Thirty-Three Old and New Classification Algorithms. Machine Learning (англ.) 40 (3). с. 203–228. ISSN 1573-0565. doi:10.1023/A:1007608224229. Процитовано 27 травня 2022. 
  185. editor., Gelbukh, Alexander.,. Computational Linguistics and Intelligent Text Processing 17th International Conference, CICLing 2016, Konya, Turkey, April 3-9, 2016, Revised Selected Papers, Part II. ISBN 978-3-319-75487-1. OCLC 1205194968. 
  186. Buchanan, R. L.; Ayres, J. C. (1975-12). Effect of initial pH on aflatoxin production. Applied Microbiology 30 (6). с. 1050–1051. ISSN 0003-6919. PMC PMC376591. PMID 2104. doi:10.1128/am.30.6.1050-1051.1975. Процитовано 20 травня 2022. 
  187. Dermouche, Mohamed; Velcin, Julien; Khouas, Leila; Loudcher, Sabine (2014-12). A Joint Model for Topic-Sentiment Evolution over Time. 2014 IEEE International Conference on Data Mining (IEEE). с. 773–778. ISBN 978-1-4799-4302-9. doi:10.1109/ICDM.2014.82. Процитовано 20 травня 2022. 
  188. Inkster, Gordon (11 червня 2014). First Catch your Corpus: Building a French Undergraduate Corpus from Readily Available Textual Resources. Teaching and Language Corpora. except Chapter 2 Corpus Evidcncc in Language Description © John M, Sindair: Routledge. с. 267–276. ISBN 978-1-315-84267-7. 
  189. Cyril, Amini, Massih R. Usunier, Nicolas Goutte, (2010). Learning from Multiple Partially Observed Views - an Application to Multilingual Text Categorization. OCLC 698457052. 
  190. Liu, Ming; et al. (2015). 
  191. Al-Harbi, S; Almuhareb, A; Al-Thubaity, A; Khorsheed, M. S.; Al-Rajeh, A (2008). "Automatic Arabic Text Classification". Proceedings of the 9th International Conference on the Statistical Analysis of Textual Data, Lyon, France. 
  192. Al-Harbi, S; Almuhareb, A; Al-Thubaity, A; Khorsheed, M. S.; Al-Rajeh, A (2008). "Automatic Arabic Text Classification". Proceedings of the 9th International Conference on the Statistical Analysis of Textual Data, Lyon, France. 
  193. The Examiner - Spam Clickbait Catalog. www.kaggle.com (англ.). Процитовано 20 травня 2022. 
  194. A Million News Headlines. www.kaggle.com (англ.). Процитовано 20 травня 2022. 
  195. List of datasets for machine-learning research. Wikipedia (англ.). 18 травня 2022. Процитовано 20 травня 2022. 
  196. Kulkarni, Rohit (11 листопада 2018). The Historical Reuters News-Wire (англ.). Harvard Dataverse. doi:10.7910/dvn/xdb74w. Процитовано 20 травня 2022. 
  197. Irish Times - Waxy-Wany News. www.kaggle.com (англ.). Процитовано 20 травня 2022. 
  198. Prahal, Misra, Rishabh Arora, (20 серпня 2019). Sarcasm Detection using Hybrid Neural Network. OCLC 1228361723. 
  199. Khaled., Elleithy, (2010). Technological developments in networking, education and automation. Springer. ISBN 978-90-481-9150-5. OCLC 646114019. 
  200. Klimt, Bryan, and Yiming Yang. 
  201. Androutsopoulos, Ion; Koutsias, John; Chandrinos, Konstantinos V.; Paliouras, George; Spyropoulos, Constantine D. (7 червня 2000). An evaluation of Naive Bayesian anti-spam filtering. arXiv:cs/0006013. Процитовано 27 травня 2022. 
  202. Bratko, Andrej; et al. (2006). "Spam filtering using statistical data compression models" (PDF). The Journal of Machine Learning Research. 7: 2673–2698.
  203. Almeida, Tiago A.; Hidalgo, José María G.; Yamakami, Akebo (2011). Contributions to the study of SMS spam filtering. Proceedings of the 11th ACM symposium on Document engineering - DocEng '11 (ACM Press). doi:10.1145/2034691.2034742. Процитовано 20 травня 2022. 
  204. China), International Conference on Information Technology and Management Science (2012 : Chongqing, (2013). 2012 International Conference on Information Technology and Management Science (ICITMS 2012) proceedings. Springer. ISBN 978-3-642-34910-2. OCLC 828409296. 
  205. Thorsten, CARNEGIE-MELLON UNIV PITTSBURGH PA DEPT OF COMPUTER SCIENCE Joachims, (1996-03). A Probabilistic Analysis of the Rocchio Algorithm with TFIDF for Text Categorization.. OCLC 831635005. 
  206. editor., Cao, Jiuwen. Proceedings of ELM-2014 Volume 1 Algorithms and Theories. ISBN 978-3-319-14063-6. OCLC 1264895874. 
  207. Dooms, Simon (6 травня 2022). MovieTweetings. Процитовано 20 травня 2022. 
  208. RoyChowdhury, Aruni; Lin, Tsung-Yu; Maji, Subhransu; Learned-Miller, Erik (2017). "Twitter100k: A Real-world Dataset for Weakly Supervised Cross-Media Retrieval". arXiv:1703.06618 [cs.CV].
  209. Hu, Yuting; Zheng, Liang; Yang, Yi; Huang, Yongfeng (2018-04). Twitter100k: A Real-World Dataset for Weakly Supervised Cross-Media Retrieval. IEEE Transactions on Multimedia 20 (4). с. 927–938. ISSN 1520-9210. doi:10.1109/tmm.2017.2760101. Процитовано 20 травня 2022. 
  210. Go, Alec; Bhayani, Richa; Huang, Lei (2009). "Twitter sentiment classification using distant supervision". CS224N Project Report, Stanford. 1: 12.
  211. Chikersal, Prerna; Poria, Soujanya; Cambria, Erik (2015). SeNTU: Sentiment Analysis of Tweets by Combining a Rule-based Classifier with Supervised Learning. Proceedings of the 9th International Workshop on Semantic Evaluation (SemEval 2015) (Association for Computational Linguistics). doi:10.18653/v1/s15-2108. Процитовано 20 травня 2022. 
  212. compilation., Gibson, Rachel, 1968- editor of compilation. Cantijoch, Marta, 1978- editor of compilation. Ward, Stephen, 1965- editor of (2014). Analyzing social media data and web networks. Palgrave Macmillan. ISBN 978-1-137-27677-3. OCLC 942512517. 
  213. Zafarani, Reza, and Huan Liu. "Social computing data repository at ASU." School of Computing, Informatics and Decision Systems Engineering, Arizona State University (2009).
  214. McAuley, Julian J.; Leskovec, Jure. "Learning to Discover Social Circles in Ego Networks". NIPS. 2012: 2012.
  215. Lovro., Šubelj,. Network-based statistical comparison of citation topology of bibliographic databases. OCLC 905091598. 
  216. Abdulla, N., et al. "Arabic sentiment analysis: Corpus-based and lexicon-based." Proceedings of the IEEE conference on Applied Electrical Engineering and Computing Technologies (AEECT). 2013.
  217. Abooraig, Raddad; Al-Zu'bi, Shadi; Kanan, Tarek; Hawashin, Bilal; Al Ayoub, Mahmoud; Hmeidi, Ismail (2018-06). Automatic categorization of Arabic articles based on their political orientation. Digital Investigation 25. с. 24–41. ISSN 1742-2876. doi:10.1016/j.diin.2018.04.003. Процитовано 20 травня 2022. 
  218. Eustache, Kawala, François Douzal-Chouakria, Ahlame Gaussier, Eric Dimert,. Prédictions d'activité dans les réseaux sociaux en ligne. OCLC 862968361. 
  219. Kawala, François, et al. "Prédictions d'activité dans les réseaux sociaux en ligne." 4ième conférence sur les modèles et l'analyse des réseaux: Approches mathématiques et informatiques. 2013.
  220. Xu, Wei; Callison-Burch, Chris; Dolan, Bill (2015). SemEval-2015 Task 1: Paraphrase and Semantic Similarity in Twitter (PIT). Proceedings of the 9th International Workshop on Semantic Evaluation (SemEval 2015) (Association for Computational Linguistics). doi:10.18653/v1/s15-2001. Процитовано 20 травня 2022. 
  221. Xu, Wei; Ritter, Alan; Callison-Burch, Chris; Dolan, William B.; Ji, Yangfeng (2014-12). Extracting Lexically Divergent Paraphrases from Twitter. Transactions of the Association for Computational Linguistics 2. с. 435–448. ISSN 2307-387X. doi:10.1162/tacl_a_00194. Процитовано 20 травня 2022. 
  222. Ohio), World Environmental and Water Resources Congress (2013 : Cincinnati,. World Environmental and Water Resources Congress 2013 : showcasing the future : proceedings of the 2013 congress, May 19-23, 2013, Cincinnati, Ohio. OCLC 855593586. 
  223. Southampton, University of. geoparsepy: Geoparsing library to extract and disambiguate locations from text, using OSM database for very high throughputs and no rate limits. Процитовано 20 травня 2022. 
  224. 1908-2001., Barnouw, Erik, (2001). Media lost and found. Fordham University Press. ISBN 0-8232-2098-2. OCLC 45015331. 
  225. Streamlit. huggingface.co. Процитовано 20 травня 2022. 
  226. "Dutch Social media collection". kaggle.com. Retrieved 18 December 2020.
  227. Adams, Paige; Anand, Pranav; Gehrke, Grant; Gera, Ralucca; Draeger, Marco; Martell, Craig; Squire, Kevin (1 вересня 2008). ReSEARCH: A Requirements Search Engine: Progress Report 2. Процитовано 27 травня 2022. 
  228. Bill, Sordoni, Alessandro Galley, Michel Auli, Michael Brockett, Chris Ji, Yangfeng Mitchell, Margaret Nie, Jian-Yun Gao, Jianfeng Dolan, (22 червня 2015). A Neural Network Approach to Context-Sensitive Generation of Conversational Responses. OCLC 1106220776. 
  229. Westbury Lab Web Site: Reduced Redundancy USENET Corpus Download. www.psych.ualberta.ca. Процитовано 20 травня 2022. 
  230. KAN, M. (2011, January). NUS Short Message Service (SMS) Corpus. Retrieved from. 
  231. Stuck_In_the_Matrix. (2015, July 3). I have every publicly available Reddit comment for research. ~ 1.7 billion comments @ 250 GB compressed. Any interest in this? [Original post]. Message posted to. 
  232. Lowe, Ryan; Pow, Nissan; Serban, Iulian; Pineau, Joelle (2015). The Ubuntu Dialogue Corpus: A Large Dataset for Research in Unstructured Multi-Turn Dialogue Systems. Proceedings of the 16th Annual Meeting of the Special Interest Group on Discourse and Dialogue (Association for Computational Linguistics). doi:10.18653/v1/w15-4640. Процитовано 20 травня 2022. 
  233. Williams, Jason; Raux, Antoine; Henderson, Matthew (1 квітня 2016). The Dialog State Tracking Challenge Series: A Review. Dialogue & Discourse (амер.). Процитовано 20 травня 2022. 
  234. Kowsari, Kamran; Brown, Donald E.; Heidarysafa, Mojtaba; Jafari Meimandi, Kiana; Gerber, Matthew S.; Barnes, Laura E. (2017-12). HDLTex: Hierarchical Deep Learning for Text Classification. 2017 16th IEEE International Conference on Machine Learning and Applications (ICMLA) (IEEE). с. 364–371. ISBN 978-1-5386-1418-1. doi:10.1109/ICMLA.2017.0-134. Процитовано 20 травня 2022. 
  235. Brown, Donald; Heidarysafa, Mojtaba; Jafari Meimandi, Kiana; Gerber, Matthew; Barnes, Laura (15 березня 2018). Web of Science Dataset. Mendeley. doi:10.17632/9rw3vkcfy4.6. Процитовано 20 травня 2022. 
  236. India), CICLing (Conference) (13th : 2012 : New Delhi, (2012). Computational linguistics and intelligent text processing : 13th International Conference, CICLing 2012, New Delhi, India, March 11-17, 2012, proceedings. Springer. ISBN 978-3-642-28604-9. OCLC 798421231. 
  237. Nagwani, N K (2015-12). Summarizing large text collection using topic modeling and clustering based on MapReduce framework. Journal of Big Data (англ.) 2 (1). с. 6. ISSN 2196-1115. doi:10.1186/s40537-015-0020-5. Процитовано 20 травня 2022. 
  238. Qing., Tian, (2009). Self-presentation and social interaction on blogs : a structural equation modeling of the uses and gratifications of blogging. OCLC 426169703. 
  239. Anand, Pranav, et al. "Believe Me-We Can Do This! Annotating Persuasive Acts in Blog Text."Computational Models of Natural Argument. 2011.
  240. Traud, Amanda L., Peter J. Mucha, and Mason A. Porter. "Social structure of Facebook networks." Physica A: Statistical Mechanics and its Applications391.16 (2012): 4165–4180.
  241. Ireland, M. P. (15 грудня 1975). Distribution of lead, zinc and calcium in Dendrobaena rubida (Oligochaeta) living in soil contaminated by base metal mining in Wales. Comparative Biochemistry and Physiology. B, Comparative Biochemistry 52 (4). с. 551–555. ISSN 0305-0491. PMID 1206. doi:10.1016/0305-0491(75)90236-9. Процитовано 20 травня 2022. 
  242. Eid, Ahmad; El-Makky, Nagwa; Nagi, Khaled (2019). Towards Machine Comprehension of Arabic Text. Proceedings of the 11th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management (SCITEPRESS - Science and Technology Publications). doi:10.5220/0008065402820288. Процитовано 20 травня 2022. 
  243. Messina, F. S. (1975-11). Caesium ion: antagonism to chlorpromazine- and L-dopa- produced behavioural depression in mice. The Journal of Pharmacy and Pharmacology 27 (11). с. 873–874. ISSN 0022-3573. PMID 1502. doi:10.1111/j.2042-7158.1975.tb10236.x. Процитовано 20 травня 2022. 
  244. Diana., Sampson, Geoffrey. McCarthy, (2005). Corpus linguistics : readings in a widening discipline. Continuum. ISBN 0-8264-8803-X. OCLC 854965241. 
  245. Collins, Michael (2003-12). Head-Driven Statistical Models for Natural Language Parsing. Computational Linguistics (англ.) 29 (4). с. 589–637. ISSN 0891-2017. doi:10.1162/089120103322753356. Процитовано 20 травня 2022. 
  246. Mitwirkender, Guyon, Isabelle. Feature extraction foundations and applications. ISBN 978-3-540-35488-8. OCLC 723990568. 
  247. Technology, Dorothy Curtis and Slav Petrov. Massachusetts Institute of Technology. Dept. of Electrical Engineering and Computer Science. Massachusetts Institute of Technology. Dept. of Electrical Engineering and Computer Science. Lin, Yuri, M. Eng. Massachusetts Institute of (1 березня 2013). Syntactically annotated Ngrams for Google Books. Massachusetts Institute of Technology. OCLC 1135080554. 
  248. Venugopalan, Subhashini; Hendricks, Lisa Anne; Mooney, Raymond; Saenko, Kate (2016). Improving LSTM-based Video Description with Linguistic Knowledge Mined from Text. Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing (Association for Computational Linguistics). doi:10.18653/v1/d16-1204. Процитовано 20 травня 2022. 
  249. http://www.academia.edu/download/30766398/759.pdf
  250. Solorio, Thamar; Hasan, Ragib; Mizan, Mainul (2013-06). A Case Study of Sockpuppet Detection in Wikipedia. Proceedings of the Workshop on Language Analysis in Social Media (Association for Computational Linguistics). с. 59–68. Процитовано 27 травня 2022. 
  251. Ciarelli, Patrick Marques; Oliveira, Elias (2009). Agglomeration and Elimination of Terms for Dimensionality Reduction. 2009 Ninth International Conference on Intelligent Systems Design and Applications (IEEE). doi:10.1109/isda.2009.9. Процитовано 20 травня 2022. 
  252. Zhou, Mingyuan, Oscar Hernan Madrid Padilla, and James G. Scott. "Priors for random count matrices derived from a family of negative binomial processes." Journal of the American Statistical Association just-accepted (2015): 00–00.
  253. Memphis), Association for Consumer Research (U.S.). Conference (35th : 2007 : (2008). Advances in consumer research.. Association for Consumer Research. ISBN 978-0-915552-61-0. OCLC 799995265. 
  254. Mclean, D. M. (1975-10). Mosquito-borne arboviruses in arctic america. Medical Biology 53 (5). с. 264–270. ISSN 0302-2137. PMID 1602. Процитовано 20 травня 2022. 
  255. James., Miller, (2018). IBM Watson projects : eight exciting projects that put artificial intelligence into practice for optimal business performance.. Packt. ISBN 978-1-78934-669-5. OCLC 1056912561. 
  256. Soysal, Ömer M. (2015-04). Association rule mining with mostly associated sequential patterns. Expert Systems with Applications (англ.) 42 (5). с. 2582–2592. doi:10.1016/j.eswa.2014.10.049. Процитовано 20 травня 2022. 
  257. Bowman, Samuel R.; Angeli, Gabor; Potts, Christopher; Manning, Christopher D. (2015). A large annotated corpus for learning natural language inference. Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing (Association for Computational Linguistics). doi:10.18653/v1/d15-1075. Процитовано 20 травня 2022. 
  258. Jörg., Liling, Tan. Zampieri, Marcos. Ljubešić, Nikola, 1979- Tiedemann,. Merging comparable data sources for the discrimination of similar languages the DSL corpus collection. OCLC 989161600. 
  259. Words Glossed with Definitions from Johnson’s Dictionary. Samuel Johnson. Yale University Press. 5 січня 2021. с. 815–818. 
  260. Elsahar, Hady; Vougiouklis, Pavlos; Remaci, Arslen; Gravier, Christophe; Hare, Jonathon; Laforest, Frederique; Simperl, Elena (2018-05). T-REx: A Large Scale Alignment of Natural Language with Knowledge Base Triples. Proceedings of the Eleventh International Conference on Language Resources and Evaluation (LREC 2018) (European Language Resources Association (ELRA)). Процитовано 20 травня 2022. 
  261. Rothschild, M.; Schlein, J. (30 жовтня 1975). The jumping mechanism of Xenopsylla cheopis. I. Exoskeletal structures and musculature. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences 271 (914). с. 457–490. ISSN 0962-8436. PMID 1804. doi:10.1098/rstb.1975.0062. Процитовано 20 травня 2022. 
  262. Llewellyn, Dawn (18 січня 2018). ‘But I Still Read The Bible!’. Oxford Scholarship Online. doi:10.1093/oso/9780198722618.003.0032. Процитовано 20 травня 2022. 
  263. Nangia, Nikita; Bowman, Samuel R. (2019). Human vs. Muppet: A Conservative Estimate of Human Performance on the GLUE Benchmark. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (Association for Computational Linguistics). doi:10.18653/v1/p19-1449. Процитовано 20 травня 2022. 
  264. Lam, Quan Hoang; Le, Quang Duy; Nguyen, Van Kiet; Nguyen, Ngan Luu-Thuy (2020). UIT-ViIC: A Dataset for the First Evaluation on Vietnamese Image Captioning. Computational Collective Intelligence. Cham: Springer International Publishing. с. 730–742. ISBN 978-3-030-63006-5. 
  265. To, Huy Quoc; Nguyen, Kiet Van; Nguyen, Ngan Luu-Thuy; Nguyen, Anh Gia-Tuan (18 грудня 2020). Gender Prediction Based on Vietnamese Names with Machine Learning Techniques. Proceedings of the 4th International Conference on Natural Language Processing and Information Retrieval (ACM). doi:10.1145/3443279.3443309. Процитовано 20 травня 2022. 
  266. Manning, H. L. (1975-12). New medium for isolating iron-oxidizing and heterotrophic acidophilic bacteria from acid mine drainage. Applied Microbiology 30 (6). с. 1010–1016. ISSN 0003-6919. PMC PMC376583. PMID 2103. doi:10.1128/am.30.6.1010-1016.1975. Процитовано 20 травня 2022. 
  267. The Pile. pile.eleuther.ai. Процитовано 27 травня 2022. 
  268. JSON Lines. jsonlines.org. Процитовано 27 травня 2022. 
  269. Görts, C. P. (1975). Role of acetate metabolism in sporulation of Saccharomyces carlsbergensis. Antonie Van Leeuwenhoek 41 (3). с. 265–271. ISSN 0003-6072. PMID 2101. doi:10.1007/BF02565062. Процитовано 20 травня 2022. 
  270. The Pile. pile.eleuther.ai. Процитовано 20 травня 2022. 
  271. M. Versteegh, R. Thiollière, T. Schatz, X.-N. Cao, X. Anguera, A. Jansen, and E. Dupoux (2015). "The Zero Resource Speech Challenge 2015," in INTERSPEECH-2015.
  272. M. Versteegh, X. Anguera, A. Jansen, and E. Dupoux, (2016). 
  273. Sakar, Betul Erdogdu; Isenkul, M. Erdem; Sakar, C. Okan; Sertbas, Ahmet; Gurgen, Fikret; Delil, Sakir; Apaydin, Hulya; Kursun, Olcay (2013-07). Collection and Analysis of a Parkinson Speech Dataset With Multiple Types of Sound Recordings. IEEE Journal of Biomedical and Health Informatics 17 (4). с. 828–834. ISSN 2168-2208. doi:10.1109/JBHI.2013.2245674. Процитовано 26 травня 2022. 
  274. Zhao, Shunan, et al. "Automatic detection of expressed emotion in Parkinson's disease." Acoustics, Speech and Signal Processing (ICASSP), 2014 IEEE International Conference on. IEEE, 2014. 
  275. Used in: Hammami, Nacereddine, and Mouldi Bedda. "Improved tree model for Arabic speech recognition." Computer Science and Information Technology (ICCSIT), 2010 3rd IEEE International Conference on. Vol. 5. IEEE, 2010.
  276. Maaten, Laurens. 
  277. Cole, Ronald; Fanty, Mark (1990). Spoken Letter Recognition. Speech and Natural Language: Proceedings of a Workshop Held at Hidden Valley, Pennsylvania, June 24-27,1990. Процитовано 26 травня 2022. 
  278. Chapelle, Olivier; Sindhwani, Vikas; Keerthi, Sathiya S. (2008). 
  279. Kudo, Mineichi; Toyama, Jun; Shimbo, Masaru (1 листопада 1999). Multidimensional curve classification using passing-through regions. Pattern Recognition Letters (англ.) 20 (11). с. 1103–1111. ISSN 0167-8655. doi:10.1016/S0167-8655(99)00077-X. Процитовано 26 травня 2022. 
  280. Jaeger, Herbert; Lukoševičius, Mantas; Popovici, Dan; Siewert, Udo (1 квітня 2007). Optimization and applications of echo state networks with leaky- integrator neurons. Neural Networks (англ.) 20 (3). с. 335–352. ISSN 0893-6080. doi:10.1016/j.neunet.2007.04.016. Процитовано 26 травня 2022. 
  281. Tsanas, Athanasios; Little, Max A.; McSharry, Patrick E.; Ramig, Lorraine O. (2010-04). Accurate Telemonitoring of Parkinson's Disease Progression by Noninvasive Speech Tests. IEEE Transactions on Biomedical Engineering 57 (4). с. 884–893. ISSN 1558-2531. doi:10.1109/TBME.2009.2036000. Процитовано 26 травня 2022. 
  282. Clifford, Gari D.; Clifton, David (18 лютого 2012). Wireless Technology in Disease Management and Medicine. Annual Review of Medicine 63 (1). с. 479–492. ISSN 0066-4219. doi:10.1146/annurev-med-051210-114650. Процитовано 26 травня 2022. 
  283. Zue, Victor; Seneff, Stephanie; Glass, James (1 серпня 1990). Speech database development at MIT: Timit and beyond. Speech Communication (англ.) 9 (4). с. 351–356. ISSN 0167-6393. doi:10.1016/0167-6393(90)90010-7. Процитовано 26 травня 2022. 
  284. Kapadia, Sadik, Valtcho Valtchev, and S. J. Young. "MMI training for continuous phoneme recognition on the TIMIT database." Acoustics, Speech, and Signal Processing, 1993. ICASSP-93., 1993 IEEE International Conference on. Vol. 2. IEEE, 1993.
  285. University of Southampton. Wikipedia (англ.). 15 травня 2022. Процитовано 27 травня 2022. 
  286. Ardila, Rosana; Branson, Megan; Davis, Kelly; Henretty, Michael; Kohler, Michael; Meyer, Josh; Morais, Reuben; Saunders, Lindsay та ін. (5 березня 2020). Common Voice: A Massively-Multilingual Speech Corpus. arXiv:1912.06670 [cs]. Процитовано 26 травня 2022. 
  287. The LJ Speech Dataset. keithito.com. Процитовано 26 травня 2022. 
  288. Zhou, Fang; Claire, Q.; King, Ross D. (2014-12). Predicting the Geographical Origin of Music. 2014 IEEE International Conference on Data Mining. с. 1115–1120. doi:10.1109/ICDM.2014.73. Процитовано 26 травня 2022. 
  289. Saccenti, Edoardo; Camacho, José (2015-08). On the use of the observation-wise k -fold operation in PCA cross-validation: The k -fold operation in cross-validation. Journal of Chemometrics (англ.) 29 (8). с. 467–478. doi:10.1002/cem.2726. Процитовано 26 травня 2022. 
  290. Bertin-Mahieux, Thierry, et al. "The million song dataset." ISMIR 2011: Proceedings of the 12th International Society for Music Information Retrieval Conference, 24–28 October 2011, Miami, Florida. University of Miami, 2011.
  291. Chaudhuri, Sourish; Harvilla, Mark; Raj, Bhiksha (27 серпня 2011). Unsupervised learning of acoustic unit descriptors for audio content representation and classification. Interspeech 2011 (ISCA). doi:10.21437/interspeech.2011-602. Процитовано 27 травня 2022. 
  292. Rafii, Zafar; Liutkus, Antoine; Stöter, Fabian-Robert; Mimilakis, Stylianos Ioannis; Bittner, Rachel (17 грудня 2017). MUSDB18 - a corpus for music separation. Zenodo. doi:10.5281/zenodo.1117372. Процитовано 26 травня 2022. 
  293. Defferrard, Michaël; Benzi, Kirell; Vandergheynst, Pierre; Bresson, Xavier (5 вересня 2017). FMA: A Dataset For Music Analysis. arXiv:1612.01840 [cs]. Процитовано 26 травня 2022. 
  294. Esposito, Roberto; Radicioni, Daniele P. (2009). 
  295. Sourati, Jamshid; Akcakaya, Murat; Dy, Jennifer G.; Leen, Todd K.; Erdogmus, Deniz (2016-02). Classification Active Learning Based on Mutual Information. Entropy (англ.) 18 (2). с. 51. ISSN 1099-4300. doi:10.3390/e18020051. Процитовано 26 травня 2022. 
  296. Salamon, Justin; Jacoby, Christopher; Bello, Juan Pablo. 
  297. Lagrange, Mathieu; Lafay, Grégoire; Rossignol, Mathias; Benetos, Emmanouil; Roebel, Axel (31 січня 2015). An evaluation framework for event detection using a morphological model of acoustic scenes. arXiv:1502.00141 [cs, stat]. Процитовано 27 травня 2022. 
  298. International Conference on Acoustics, Speech, and Signal Processing. Wikipedia (англ.). 12 квітня 2021. Процитовано 27 травня 2022. 
  299. Watch out, birders: Artificial intelligence has learned to spot birds from their songs. www.science.org (англ.). Процитовано 27 травня 2022. 
  300. Bird Audio Detection challenge. Machine Listening Lab (амер.). 3 травня 2016. Процитовано 27 травня 2022. 
  301. Wichern, Gordon; Antognini, Joe; Flynn, Michael; Zhu, Licheng Richard; McQuinn, Emmett; Crow, Dwight; Manilow, Ethan; Roux, Jonathan Le (2 липня 2019). WHAM!: Extending Speech Separation to Noisy Environments. arXiv:1907.01160 [cs, eess, stat]. Процитовано 27 травня 2022. 
  302. International Conference on Acoustics, Speech, and Signal Processing. Wikipedia (англ.). 12 квітня 2021. Процитовано 27 травня 2022. 
  303. Drossos, Konstantinos; Lipping, Samuel; Virtanen, Tuomas (15 жовтня 2019). Clotho dataset. Zenodo. doi:10.5281/zenodo.3490684. Процитовано 27 травня 2022. 
  304. UCSD Network Telescope -- Witty Worm Dataset. CAIDA (англ.). 16 березня 2005. Процитовано 25 травня 2022. 
  305. Wayback Machine. web.archive.org. Процитовано 27 травня 2022. 
  306. PhysioBank, PhysioToolkit. "PhysioNet: components of a new research resource for complex physiologic signals." Circulation. v101 i23. e215-e220.
  307. PhysioBank, PhysioToolkit. "PhysioNet: components of a new research resource for complex physiologic signals." Circulation. v101 i23. e215-e220.
  308. Vergara, Alexander; Vembu, Shankar; Ayhan, Tuba; Ryan, Margaret A.; Homer, Margie L.; Huerta, Ramón (20 травня 2012). Chemical gas sensor drift compensation using classifier ensembles. Sensors and Actuators B: Chemical (англ.). 166-167. с. 320–329. ISSN 0925-4005. doi:10.1016/j.snb.2012.01.074. Процитовано 25 травня 2022. 
  309. Korotcenkov, G.; Cho, B. K. (31 липня 2014). Engineering approaches to improvement of conductometric gas sensor parameters. Part 2: Decrease of dissipated (consumable) power and improvement stability and reliability. Sensors and Actuators B: Chemical (англ.) 198. с. 316–341. ISSN 0925-4005. doi:10.1016/j.snb.2014.03.069. Процитовано 27 травня 2022. 
  310. Quinlan, John R (1992). 
  311. Merz, Christopher J.; Pazzani, Michael J. (1 липня 1999). A Principal Components Approach to Combining Regression Estimates. Machine Learning (англ.) 36 (1). с. 9–32. ISSN 1573-0565. doi:10.1023/A:1007507221352. Процитовано 27 травня 2022. 
  312. Torres-Sospedra, Joaquin; Rambla, David; Montoliu, Raul; Belmonte, Oscar; Huerta, Joaquin (2015-10). UJIIndoorLoc-Mag: A new database for magnetic field-based localization problems. 2015 International Conference on Indoor Positioning and Indoor Navigation (IPIN) (IEEE). doi:10.1109/ipin.2015.7346763. Процитовано 27 травня 2022. 
  313. Berkvens, Rafael, Maarten Weyn, and Herbert Peremans. 
  314. Paschke, Fabian, et al. "Sensorlose Zustandsüberwachung an Synchronmotoren."Proceedings. 23. Workshop Computational Intelligence, Dortmund, 5.-6. Dezember 2013. KIT Scientific Publishing, 2013.
  315. Lessmeier, Christian, et al. 
  316. Ugulino, Wallace, et al. 
  317. Schneider, Jan; Börner, Dirk; Van Rosmalen, Peter; Specht, Marcus (2015-02). Augmenting the Senses: A Review on Sensor-Based Learning Support. Sensors (англ.) 15 (2). с. 4097–4133. ISSN 1424-8220. PMC PMC4367401. PMID 25679313. doi:10.3390/s150204097. Процитовано 26 травня 2022. 
  318. Madeo, Renata CB, Clodoaldo AM Lima, and Sarajane M. Peres. 
  319. Lun, Roanna; Zhao, Wenbing (1 серпня 2015). A Survey of Applications and Human Motion Recognition with Microsoft Kinect. International Journal of Pattern Recognition and Artificial Intelligence 29 (05). с. 1555008. ISSN 0218-0014. doi:10.1142/S0218001415550083. Процитовано 26 травня 2022. 
  320. Theodoridis, Theodoros, and Huosheng Hu. 
  321. Etemad, Seyed Ali; Arya, Ali (2009-11). 3D human action recognition and style transformation using resilient backpropagation neural networks. 2009 IEEE International Conference on Intelligent Computing and Intelligent Systems 4. с. 296–301. doi:10.1109/ICICISYS.2009.5357690. Процитовано 26 травня 2022. 
  322. Altun, Kerem; Barshan, Billur; Tunçel, Orkun (1 жовтня 2010). Comparative study on classifying human activities with miniature inertial and magnetic sensors. Pattern Recognition (англ.) 43 (10). с. 3605–3620. ISSN 0031-3203. doi:10.1016/j.patcog.2010.04.019. Процитовано 26 травня 2022. 
  323. Nathan, Ran; Spiegel, Orr; Fortmann-Roe, Scott; Harel, Roi; Wikelski, Martin; Getz, Wayne M. (15 березня 2012). Using tri-axial acceleration data to identify behavioral modes of free-ranging animals: general concepts and tools illustrated for griffon vultures. Journal of Experimental Biology 215 (6). с. 986–996. ISSN 0022-0949. PMC PMC3284320. PMID 22357592. doi:10.1242/jeb.058602. Процитовано 26 травня 2022. 
  324. Anguita, Davide, et al. 
  325. Su, Xing; Tong, Hanghang; Ji, Ping (2014-06). Activity recognition with smartphone sensors. Tsinghua Science and Technology 19 (3). с. 235–249. ISSN 1007-0214. doi:10.1109/TST.2014.6838194. Процитовано 26 травня 2022. 
  326. Kadous, M. W. (2002). Temporal classification: extending the classification paradigm to multivariate time series. undefined (англ.). Процитовано 26 травня 2022. 
  327. List of datasets for machine-learning research. Wikipedia (англ.). 18 травня 2022. Процитовано 26 травня 2022. 
  328. Velloso, Eduardo, et al. 
  329. Mortazavi, Bobak Jack, et al. 
  330. Sapsanis, Christos, et al. 
  331. а б Andrianesis, Konstantinos; Tzes, Anthony (1 травня 2015). Development and Control of a Multifunctional Prosthetic Hand with Shape Memory Alloy Actuators. Journal of Intelligent & Robotic Systems (англ.) 78 (2). с. 257–289. ISSN 1573-0409. doi:10.1007/s10846-014-0061-6. Процитовано 26 травня 2022. 
  332. Banos, Oresti; Toth, Mate Attila; Damas, Miguel; Pomares, Hector; Rojas, Ignacio (2014-06). Dealing with the Effects of Sensor Displacement in Wearable Activity Recognition. Sensors (англ.) 14 (6). с. 9995–10023. ISSN 1424-8220. PMC PMC4118358. PMID 24915181. doi:10.3390/s140609995. Процитовано 26 травня 2022. 
  333. Stisen, Allan, et al. 
  334. Bhattacharya, Sourav, and Nicholas D. Lane. 
  335. Bacciu, Davide; Barsocchi, Paolo; Chessa, Stefano; Gallicchio, Claudio; Micheli, Alessio (1 травня 2014). An experimental characterization of reservoir computing in ambient assisted living applications. Neural Computing and Applications (англ.) 24 (6). с. 1451–1464. ISSN 1433-3058. doi:10.1007/s00521-013-1364-4. Процитовано 27 травня 2022. 
  336. Palumbo, Filippo; Barsocchi, Paolo; Gallicchio, Claudio; Chessa, Stefano; Micheli, Alessio (2013). Multisensor Data Fusion for Activity Recognition Based on Reservoir Computing. У Botía, Juan A. Evaluating AAL Systems Through Competitive Benchmarking (англ.) (Springer). с. 24–35. ISBN 978-3-642-41043-7. doi:10.1007/978-3-642-41043-7_3. Процитовано 27 травня 2022. 
  337. Reiss, Attila, and Didier Stricker. "Introducing a new benchmarked dataset for activity monitoring."
  338. Roggen, Daniel, et al. 
  339. Kurz, Marc, et al. 
  340. Sztyler, Timo, and Heiner Stuckenschmidt. 
  341. Zhi, Ying Xuan; Lukasik, Michelle; Li, Michael H.; Dolatabadi, Elham; Wang, Rosalie H.; Taati, Babak (2018). Automatic Detection of Compensation During Robotic Stroke Rehabilitation Therapy. IEEE Journal of Translational Engineering in Health and Medicine 6. с. 1–7. ISSN 2168-2372. PMC PMC5788403. PMID 29404226. doi:10.1109/JTEHM.2017.2780836. Процитовано 27 травня 2022. 
  342. Dolatabadi, Elham; Zhi, Ying Xuan; Ye, Bing; Coahran, Marge; Lupinacci, Giorgia; Mihailidis, Alex; Wang, Rosalie; Taati, Babak (23 травня 2017). The toronto rehab stroke pose dataset to detect compensation during stroke rehabilitation therapy. Proceedings of the 11th EAI International Conference on Pervasive Computing Technologies for Healthcare (Association for Computing Machinery). с. 375–381. ISBN 978-1-4503-6363-1. doi:10.1145/3154862.3154925. Процитовано 27 травня 2022. 
  343. Toronto Rehab Stroke Pose Dataset. www.kaggle.com (англ.). Процитовано 27 травня 2022. 
  344. Jung, Merel M.; Poel, Mannes; Poppe, Ronald; Heylen, Dirk K. J. (1 березня 2017). Automatic recognition of touch gestures in the corpus of social touch. Journal on Multimodal User Interfaces (англ.) 11 (1). с. 81–96. ISSN 1783-8738. doi:10.1007/s12193-016-0232-9. Процитовано 27 травня 2022. 
  345. Jung, M.M. (Merel) (1 June 2016). 
  346. Aeberhard, S., D. Coomans, and O. De Vel. "Comparison of classifiers in high dimensional settings." Dept. Math. Statist., James Cook Univ., North Queensland, Australia, Tech. Rep 92-02 (1992).
  347. Basu, Sugato. 
  348. Tüfekci, Pınar (1 вересня 2014). Prediction of full load electrical power output of a base load operated combined cycle power plant using machine learning methods. International Journal of Electrical Power & Energy Systems (англ.) 60. с. 126–140. ISSN 0142-0615. doi:10.1016/j.ijepes.2014.02.027. Процитовано 26 травня 2022. 
  349. Kaya, Heysem, Pınar Tüfekci, and Fikret S. Gürgen. "Local and global learning methods for predicting power of a combined gas & steam turbine." International conference on emerging trends in computer and electronics engineering (ICETCEE'2012), Dubai. 2012.
  350. Baldi, P.; Sadowski, P.; Whiteson, D. (2 липня 2014). Searching for exotic particles in high-energy physics with deep learning. Nature Communications (англ.) 5 (1). с. 4308. ISSN 2041-1723. doi:10.1038/ncomms5308. Процитовано 26 травня 2022. 
  351. а б Baldi, Pierre; Sadowski, Peter; Whiteson, Daniel (2015). Enhanced Higgs Boson to τ+ τ− Search with Deep Learning. Physical Review Letters 114 (11): 111801. Bibcode:2015PhRvL.114k1801B. PMID 25839260. arXiv:1410.3469. doi:10.1103/physrevlett.114.111801. 
  352. а б Adam-Bourdarios, C.; Cowan, G.; Germain-Renaud, C.; Guyon, I.; Kégl, B.; Rousseau, D. (1 грудня 2015). The Higgs Machine Learning Challenge 664. с. 072015. doi:10.1088/1742-6596/664/7/072015. Процитовано 26 травня 2022. 
  353. Baldi, Pierre; Cranmer, Kyle; Faucett, Taylor; Sadowski, Peter; Whiteson, Daniel (2016-05). Parameterized Machine Learning for High-Energy Physics. The European Physical Journal C 76 (5). с. 235. ISSN 1434-6044. doi:10.1140/epjc/s10052-016-4099-4. Процитовано 26 травня 2022. 
  354. Ortigosa, I.; Lopez, R.; Garcia, J. "A neural networks approach to residuary resistance of sailing yachts prediction". Proceedings of the International Conference on Marine Engineering MARINE. 2007.
  355. Gerritsma, J., R. Onnink, and A. Versluis.Geometry, resistance and stability of the delft systematic yacht hull series. Delft University of Technology, 1981.
  356. Liu, Huan; Motoda, Hiroshi (31 серпня 1998). Feature Extraction, Construction and Selection: A Data Mining Perspective (англ.). Springer Science & Business Media. ISBN 978-0-7923-8196-9. 
  357. Todorovski, Ljupčo; Džeroski, Sašo (1999). Experiments in Meta-level Learning with ILP. У Żytkow, Jan M. Principles of Data Mining and Knowledge Discovery (англ.) (Springer). с. 98–106. ISBN 978-3-540-48247-5. doi:10.1007/978-3-540-48247-5_11. Процитовано 26 травня 2022. 
  358. Reich, Yoram. Converging to Ideal Design Knowledge by Learning. [Carnegie Mellon University], Engineering Design Research Center, 1989.
  359. Wang, Yong. 
  360. Kibler, Dennis; Aha, David W.; Albert, Marc K. (1989-02). Instance-based prediction of real-valued attributes. Computational Intelligence (англ.) 5 (2). с. 51–57. ISSN 0824-7935. doi:10.1111/j.1467-8640.1989.tb00315.x. Процитовано 26 травня 2022. 
  361. Download Limit Exceeded. citeseerx.ist.psu.edu. Процитовано 26 травня 2022. 
  362. Tsanas, Athanasios; Xifara, Angeliki (1 червня 2012). Accurate quantitative estimation of energy performance of residential buildings using statistical machine learning tools. Energy and Buildings (англ.) 49. с. 560–567. ISSN 0378-7788. doi:10.1016/j.enbuild.2012.03.003. Процитовано 26 травня 2022. 
  363. de Wilde, Pieter (1 травня 2014). The gap between predicted and measured energy performance of buildings: A framework for investigation. Automation in Construction (англ.) 41. с. 40–49. ISSN 0926-5805. doi:10.1016/j.autcon.2014.02.009. Процитовано 26 травня 2022. 
  364. Brooks, Thomas F.; Pope, D. Stuart; Marcolini, Michael A. (1 липня 1989). Airfoil self-noise and prediction (англ.). Процитовано 26 травня 2022. 
  365. Draper, David. 
  366. Lavine, Michael (1 грудня 1991). Problems in Extrapolation Illustrated with Space Shuttle O-Ring Data. Journal of the American Statistical Association 86 (416). с. 919–921. ISSN 0162-1459. doi:10.1080/01621459.1991.10475132. Процитовано 26 травня 2022. 
  367. Wang, Jun, Bei Yu, and Les Gasser. 
  368. Pettengill, Gordon H., et al. 
  369. а б H.E.S.S. Collaboration; Aharonian, F.; Akhperjanian, A. G.; Barres de Almeida, U.; Bazer-Bachi, A. R.; Becherini, Y.; Behera, B.; Benbow, W. та ін. (30 грудня 2008). Energy Spectrum of Cosmic-Ray Electrons at TeV Energies. Physical Review Letters 101 (26). с. 261104. doi:10.1103/PhysRevLett.101.261104. Процитовано 26 травня 2022. 
  370. Bock, R. K.; Chilingarian, A.; Gaug, M.; Hakl, F.; Hengstebeck, T.; Jiřina, M.; Klaschka, J.; Kotrč, E. та ін. (11 січня 2004). Methods for multidimensional event classification: a case study using images from a Cherenkov gamma-ray telescope. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment (англ.) 516 (2). с. 511–528. ISSN 0168-9002. doi:10.1016/j.nima.2003.08.157. Процитовано 26 травня 2022. 
  371. Li, Jinyan; Dong, Guozhu; Ramamohanarao, Kotagiri; Wong, Limsoon (1 лютого 2004). DeEPs: A New Instance-Based Lazy Discovery and Classification System. Machine Learning (англ.) 54 (2). с. 99–124. ISSN 1573-0565. doi:10.1023/B:MACH.0000011804.08528.7d. Процитовано 26 травня 2022. 
  372. Villaescusa-Navarro, Francisco; Genel, Shy; Anglés-Alcázar, Daniel; Thiele, Leander; Dave, Romeel; Narayanan, Desika; Nicola, Andrina; Li, Yin та ін. (1 квітня 2022). The CAMELS Multifield Data Set: Learning the Universe’s Fundamental Parameters with Artificial Intelligence. The Astrophysical Journal Supplement Series (англ.) 259 (2). с. 61. ISSN 0067-0049. doi:10.3847/1538-4365/ac5ab0. Процитовано 26 травня 2022. 
  373. Siebert, Lee, and Tom Simkin. "Volcanoes of the world: an illustrated catalog of Holocene volcanoes and their eruptions." (2014).
  374. Sikora, M.; Wróbel, Ł (2010). Application of rule induction algorithms for analysis of data collected by seismic hazard monitoring systems in coal mines. Archives of Mining Sciences (English) (Vol. 55, no 1). с. 91–114. ISSN 0860-7001. Процитовано 26 травня 2022. 
  375. Sikora, Marek, and Beata Sikora. "Rough natural hazards monitoring." Rough Sets: Selected Methods and Applications in Management and Engineering. Springer London, 2012. 163–179.
  376. Addor, Nans; Newman, Andrew J.; Mizukami, Naoki; Clark, Martyn P. (20 жовтня 2017). The CAMELS data set: catchment attributes and meteorology for large-sample studies. Hydrology and Earth System Sciences (English) 21 (10). с. 5293–5313. ISSN 1027-5606. doi:10.5194/hess-21-5293-2017. Процитовано 26 травня 2022. 
  377. Newman, A. J.; Clark, M. P.; Sampson, K.; Wood, A.; Hay, L. E.; Bock, A.; Viger, R. J.; Blodgett, D. та ін. (14 січня 2015). Development of a large-sample watershed-scale hydrometeorological data set for the contiguous USA: data set characteristics and assessment of regional variability in hydrologic model performance. Hydrology and Earth System Sciences (English) 19 (1). с. 209–223. ISSN 1027-5606. doi:10.5194/hess-19-209-2015. Процитовано 26 травня 2022. 
  378. Alvarez-Garreton, Camila; Mendoza, Pablo A.; Boisier, Juan Pablo; Addor, Nans; Galleguillos, Mauricio; Zambrano-Bigiarini, Mauricio; Lara, Antonio; Puelma, Cristóbal та ін. (13 листопада 2018). The CAMELS-CL dataset: catchment attributes and meteorology for large sample studies – Chile dataset. Hydrology and Earth System Sciences (English) 22 (11). с. 5817–5846. ISSN 1027-5606. doi:10.5194/hess-22-5817-2018. Процитовано 26 травня 2022. 
  379. Chagas, Vinícius B. P.; Chaffe, Pedro L. B.; Addor, Nans; Fan, Fernando M.; Fleischmann, Ayan S.; Paiva, Rodrigo C. D.; Siqueira, Vinícius A. (8 вересня 2020). CAMELS-BR: hydrometeorological time series and landscape attributes for 897 catchments in Brazil. Earth System Science Data (English) 12 (3). с. 2075–2096. ISSN 1866-3508. doi:10.5194/essd-12-2075-2020. Процитовано 26 травня 2022. 
  380. Coxon, Gemma; Addor, Nans; Bloomfield, John P.; Freer, Jim; Fry, Matt; Hannaford, Jamie; Howden, Nicholas J. K.; Lane, Rosanna та ін. (12 жовтня 2020). CAMELS-GB: hydrometeorological time series and landscape attributes for 671 catchments in Great Britain. Earth System Science Data (English) 12 (4). с. 2459–2483. ISSN 1866-3508. doi:10.5194/essd-12-2459-2020. Процитовано 27 травня 2022. 
  381. Fowler, Keirnan J. A.; Acharya, Suwash Chandra; Addor, Nans; Chou, Chihchung; Peel, Murray C. (6 серпня 2021). CAMELS-AUS: hydrometeorological time series and landscape attributes for 222 catchments in Australia. Earth System Science Data (English) 13 (8). с. 3847–3867. ISSN 1866-3508. doi:10.5194/essd-13-3847-2021. Процитовано 26 травня 2022. 
  382. Klingler, Christoph; Schulz, Karsten; Herrnegger, Mathew (16 вересня 2021). LamaH-CE: LArge-SaMple DAta for Hydrology and Environmental Sciences for Central Europe. Earth System Science Data (English) 13 (9). с. 4529–4565. ISSN 1866-3508. doi:10.5194/essd-13-4529-2021. Процитовано 26 травня 2022. 
  383. Yeh, I. -C. (1 грудня 1998). Modeling of strength of high-performance concrete using artificial neural networks. Cement and Concrete Research (англ.) 28 (12). с. 1797–1808. ISSN 0008-8846. doi:10.1016/S0008-8846(98)00165-3. Процитовано 26 травня 2022. 
  384. Fazel Zarandi, M. H.; Türksen, I. B.; Sobhani, J.; Ramezanianpour, A. A. (1 січня 2008). Fuzzy polynomial neural networks for approximation of the compressive strength of concrete. Applied Soft Computing (англ.) 8 (1). с. 488–498. ISSN 1568-4946. doi:10.1016/j.asoc.2007.02.010. Процитовано 26 травня 2022. 
  385. Yeh, I. "Modeling slump of concrete with fly ash and superplasticizer." Computers and Concrete5.6 (2008): 559–572.
  386. Gencel, Osman; Kocabas, Fikret; Gok, Mustafa Sabri; Koksal, Fuat (1 серпня 2011). Comparison of artificial neural networks and general linear model approaches for the analysis of abrasive wear of concrete. Construction and Building Materials (англ.) 25 (8). с. 3486–3494. ISSN 0950-0618. doi:10.1016/j.conbuildmat.2011.03.040. Процитовано 26 травня 2022. 
  387. Dietterich, Thomas G., ред. (2002). Advances in Neural Information Processing Systems 14. doi:10.7551/mitpress/1120.001.0001. Процитовано 27 травня 2022. 
  388. https://www.researchgate.net/profile/Massimo_Buscema/publication/13731626_MetaNet_The_Theory_of_Independent_Judges/links/0deec52baf2937fc8e000000.pdf. 
  389. Photorealistic retinal images. math.unipa.it. Процитовано 27 травня 2022. 
  390. Lo Castro, Dario; Tegolo, Domenico; Valenti, Cesare (1 серпня 2020). A visual framework to create photorealistic retinal vessels for diagnosis purposes. Journal of Biomedical Informatics (англ.) 108. с. 103490. ISSN 1532-0464. doi:10.1016/j.jbi.2020.103490. Процитовано 26 травня 2022. 
  391. Ingber, Lester (1 квітня 1997). Statistical mechanics of neocortical interactions: Canonical momenta indicatorsof electroencephalography. Physical Review E 55 (4). с. 4578–4593. doi:10.1103/PhysRevE.55.4578. Процитовано 26 травня 2022. 
  392. Hoffmann, Ulrich; Vesin, Jean-Marc; Ebrahimi, Touradj; Diserens, Karin (15 січня 2008). An efficient P300-based brain–computer interface for disabled subjects. Journal of Neuroscience Methods (англ.) 167 (1). с. 115–125. ISSN 0165-0270. doi:10.1016/j.jneumeth.2007.03.005. Процитовано 26 травня 2022. 
  393. Donchin, E.; Spencer, K.M.; Wijesinghe, R. (2000-06). The mental prosthesis: assessing the speed of a P300-based brain-computer interface. IEEE Transactions on Rehabilitation Engineering 8 (2). с. 174–179. ISSN 1558-0024. doi:10.1109/86.847808. Процитовано 26 травня 2022. 
  394. Detrano, Robert; Janosi, Andras; Steinbrunn, Walter; Pfisterer, Matthias; Schmid, Johann-Jakob; Sandhu, Sarbjit; Guppy, Kern H.; Lee, Stella та ін. (1 серпня 1989). International application of a new probability algorithm for the diagnosis of coronary artery disease. American Journal of Cardiology (English) 64 (5). с. 304–310. ISSN 0002-9149. PMID 2756873. doi:10.1016/0002-9149(89)90524-9. Процитовано 26 травня 2022. 
  395. Bradley, Andrew P. (1 липня 1997). The use of the area under the ROC curve in the evaluation of machine learning algorithms. Pattern Recognition (англ.) 30 (7). с. 1145–1159. ISSN 0031-3203. doi:10.1016/S0031-3203(96)00142-2. Процитовано 26 травня 2022. 
  396. Street, W. Nick; Wolberg, W. H.; Mangasarian, O. L. (29 липня 1993). Nuclear feature extraction for breast tumor diagnosis. Biomedical Image Processing and Biomedical Visualization 1905 (SPIE). с. 861–870. doi:10.1117/12.148698. Процитовано 26 травня 2022. 
  397. Demir, Cigdem, and Bülent Yener. 
  398. Abuse, Substance. "Mental Health Services Administration, Results from the 2010 National Survey on Drug Use and Health: Summary of National Findings, NSDUH Series H-41, HHS Publication No.(SMA) 11-4658." Rockville, MD: Substance Abuse and Mental Health Services Administration 201 (2011).
  399. Hong, Zi-Quan; Yang, Jing-Yu (1 січня 1991). Optimal discriminant plane for a small number of samples and design method of classifier on the plane. Pattern Recognition (англ.) 24 (4). с. 317–324. ISSN 0031-3203. doi:10.1016/0031-3203(91)90074-F. Процитовано 26 травня 2022. 
  400. а б Li, Jinyan, and Limsoon Wong. "Using rules to analyse bio-medical data: a comparison between C4. 5 and PCL." Advances in Web-Age Information Management. Springer Berlin Heidelberg, 2003. 254–265.
  401. Güvenir, H. Altay, et al. 
  402. Lagus, Krista, et al. 
  403. Strack, Beata, et al. 
  404. Rubin, Daniel J. (25 лютого 2015). Hospital Readmission of Patients with Diabetes. Current Diabetes Reports (англ.) 15 (4). с. 17. ISSN 1539-0829. doi:10.1007/s11892-015-0584-7. Процитовано 27 травня 2022. 
  405. MAFFRE, Guillaume PATRY, Gervais GAUTHIER, Bruno LAY, Julien ROGER, Damien ELIE, Mélanie FOLTETE, Arthur DONJON, Hugo. Messidor. ADCIS (англ.). Процитовано 27 травня 2022. 
  406. Haloi, Mrinal (17 липня 2016). Improved Microaneurysm Detection using Deep Neural Networks. arXiv:1505.04424 [cs]. Процитовано 27 травня 2022. 
  407. ELIE, Guillaume PATRY, Gervais GAUTHIER, Bruno LAY, Julien ROGER, Damien. "ADCIS Download Third Party: Messidor Database. 
  408. Decencière, Etienne; Zhang, Xiwei; Cazuguel, Guy; Lay, Bruno; Cochener, Béatrice; Trone, Caroline; Gain, Philippe; Ordonez, Richard та ін. (26 серпня 2014). FEEDBACK ON A PUBLICLY DISTRIBUTED IMAGE DATABASE: THE MESSIDOR DATABASE. Image Analysis & Stereology (англ.) 33 (3). с. 231–234. ISSN 1854-5165. doi:10.5566/ias.1155. Процитовано 26 травня 2022. 
  409. Bagirov, A. M.; Rubinov, A. M.; Soukhoroukova, N. V.; Yearwood, J. (1 червня 2003). Unsupervised and supervised data classification via nonsmooth and global optimization. Top (англ.) 11 (1). с. 1–75. ISSN 1863-8279. doi:10.1007/BF02578945. Процитовано 26 травня 2022. 
  410. Fung, Glenn, et al. 
  411. Quinlan, John Ross, et al. "Inductive knowledge acquisition: a case study." Proceedings of the Second Australian Conference on Applications of expert systems. Addison-Wesley Longman Publishing Co., Inc., 1987.
  412. а б Zhou, Zhi-Hua; Jiang, Yuan (2004-06). NeC4.5: neural ensemble based C4.5. IEEE Transactions on Knowledge and Data Engineering 16 (6). с. 770–773. ISSN 1558-2191. doi:10.1109/TKDE.2004.11. Процитовано 26 травня 2022. 
  413. Er, Orhan; Tanrikulu, Abdullah Cetin; Abakay, Abdurrahman; Temurtas, Feyzullah (1 січня 2012). An approach based on probabilistic neural network for diagnosis of Mesothelioma’s disease. Computers & Electrical Engineering (англ.) 38 (1). с. 75–81. ISSN 0045-7906. doi:10.1016/j.compeleceng.2011.09.001. Процитовано 27 травня 2022. 
  414. Er, Orhan, A. Çetin Tanrikulu, and Abdurrahman Abakay. 
  415. Li, Michael H.; Mestre, Tiago A.; Fox, Susan H.; Taati, Babak (6 листопада 2018). Vision-based assessment of parkinsonism and levodopa-induced dyskinesia with pose estimation. Journal of NeuroEngineering and Rehabilitation 15 (1). с. 97. ISSN 1743-0003. PMC PMC6219082. PMID 30400914. doi:10.1186/s12984-018-0446-z. Процитовано 27 травня 2022. 
  416. Li, Michael H.; Mestre, Tiago A.; Fox, Susan H.; Taati, Babak (2018-08). Automated assessment of levodopa-induced dyskinesia: Evaluating the responsiveness of video-based features. Parkinsonism & Related Disorders 53. с. 42–45. ISSN 1353-8020. doi:10.1016/j.parkreldis.2018.04.036. Процитовано 27 травня 2022. 
  417. Parkinson's Vision-Based Pose Estimation Dataset. www.kaggle.com (англ.). Процитовано 27 травня 2022. 
  418. Shannon, Paul; Markiel, Andrew; Ozier, Owen; Baliga, Nitin S.; Wang, Jonathan T.; Ramage, Daniel; Amin, Nada; Schwikowski, Benno та ін. (1 листопада 2003). Cytoscape: A Software Environment for Integrated Models of Biomolecular Interaction Networks. Genome Research (англ.) 13 (11). с. 2498–2504. ISSN 1088-9051. PMC PMC403769. PMID 14597658. doi:10.1101/gr.1239303. Процитовано 27 травня 2022. 
  419. Javadi, Soroush; Mirroshandel, Seyed Abolghasem (1 червня 2019). A novel deep learning method for automatic assessment of human sperm images. Computers in Biology and Medicine (англ.) 109. с. 182–194. ISSN 0010-4825. doi:10.1016/j.compbiomed.2019.04.030. Процитовано 27 травня 2022. 
  420. Javadi, Soroush (11 січня 2022). MHSMA: The Modified Human Sperm Morphology Analysis Dataset. Процитовано 27 травня 2022. 
  421. Clark, David, Zoltan Schreter, and Anthony Adams. "A quantitative comparison of dystal and backpropagation." Proceedings of 1996 Australian Conference on Neural Networks. 1996.
  422. Jiang, Yuan, and Zhi-Hua Zhou. 
  423. Ontañón, Santiago, and Enric Plaza. "On similarity measures based on a refinement lattice." Case-Based Reasoning Research and Development. Springer Berlin Heidelberg, 2009. 240–255.
  424. PLF data inventory. Animal-Data-Inventory. 5 листопада 2021. Процитовано 27 травня 2022. 
  425. Higuera, Clara; Gardiner, Katheleen J.; Cios, Krzysztof J. (25 черв. 2015 р.). Self-Organizing Feature Maps Identify Proteins Critical to Learning in a Mouse Model of Down Syndrome. PLOS ONE (англ.) 10 (6). с. e0129126. ISSN 1932-6203. PMC PMC4482027. PMID 26111164. doi:10.1371/journal.pone.0129126. Процитовано 27 травня 2022. 
  426. Ahmed, Md Mahiuddin; Dhanasekaran, A. Ranjitha; Block, Aaron; Tong, Suhong; Costa, Alberto C. S.; Stasko, Melissa; Gardiner, Katheleen J. (20 бер. 2015 р.). Protein Dynamics Associated with Failed and Rescued Learning in the Ts65Dn Mouse Model of Down Syndrome. PLOS ONE (англ.) 10 (3). с. e0119491. ISSN 1932-6203. PMC PMC4368539. PMID 25793384. doi:10.1371/journal.pone.0119491. Процитовано 27 травня 2022. 
  427. Langley, PAT (2014). 
  428. Martin, Roman. Mushroom Data Set 2020. mushroom.mathematik.uni-marburg.de (англ.). Процитовано 27 травня 2022. 
  429. Wagner, Dennis; Heider, Dominik; Hattab, Georges (14 квітня 2021). Mushroom data creation, curation, and simulation to support classification tasks. Scientific Reports (англ.) 11 (1). с. 8134. ISSN 2045-2322. PMC PMC8046754. PMID 33854157. doi:10.1038/s41598-021-87602-3. Процитовано 27 травня 2022. 
  430. Alberg, Dima (17 грудня 2015). An Interval Tree Approach to Predict Forest Fires using Meteorological Data. International Journal of Computer Applications 132 (4). с. 17–22. ISSN 0975-8887. doi:10.5120/ijca2015907398. Процитовано 27 травня 2022. 
  431. Farquad, M. A. H.; Ravi, V.; Raju, S. Bapi (1 серпня 2010). Support vector regression based hybrid rule extraction methods for forecasting. Expert Systems with Applications (англ.) 37 (8). с. 5577–5589. ISSN 0957-4174. doi:10.1016/j.eswa.2010.02.055. Процитовано 26 травня 2022. 
  432. Fisher, R. A. (1936-09). THE USE OF MULTIPLE MEASUREMENTS IN TAXONOMIC PROBLEMS. Annals of Eugenics (англ.) 7 (2). с. 179–188. doi:10.1111/j.1469-1809.1936.tb02137.x. Процитовано 26 травня 2022. 
  433. Ghahramani, Zoubin, and Michael I. Jordan. 
  434. Mallah, Charles; Cope, James; Orwell, James (2013). 
  435. Yahiaoui, Itheri, Olfa Mzoughi, and Nozha Boujemaa. 
  436. Tan, MING; Eshelman, LARRY (1 січня 1988). У Laird, John. Using Weighted Networks to Represent Classification Knowledge in Noisy Domains. Machine Learning Proceedings 1988 (англ.). San Francisco (CA): Morgan Kaufmann. с. 121–134. ISBN 978-0-934613-64-4. 
  437. Charytanowicz, Małgorzata, et al. 
  438. Sanchez, Mauricio A.; Castillo, Oscar; Castro, Juan R.; Melin, Patricia (20 вересня 2014). Fuzzy granular gravitational clustering algorithm for multivariate data. Information Sciences (англ.) 279. с. 498–511. ISSN 0020-0255. doi:10.1016/j.ins.2014.04.005. Процитовано 27 травня 2022. 
  439. Blackard, Jock A.; Dean, Denis J. (1 грудня 1999). Comparative accuracies of artificial neural networks and discriminant analysis in predicting forest cover types from cartographic variables. Computers and Electronics in Agriculture (англ.) 24 (3). с. 131–151. ISSN 0168-1699. doi:10.1016/S0168-1699(99)00046-0. Процитовано 26 травня 2022. 
  440. Fürnkranz, Johannes (2001). Round Robin Rule Learning. Proceedings of the 18th International Conference on Machine Learning (ICML-01):146– 153 (Morgan Kaufmann). с. 146–153. Процитовано 26 травня 2022. 
  441. Li, Song; Assmann, Sarah M.; Albert, Réka (12 вер. 2006 р.). Predicting Essential Components of Signal Transduction Networks: A Dynamic Model of Guard Cell Abscisic Acid Signaling. PLOS Biology (англ.) 4 (10). с. e312. ISSN 1545-7885. PMC PMC1564158. PMID 16968132. doi:10.1371/journal.pbio.0040312. Процитовано 26 травня 2022. 
  442. Munisami, Trishen; Ramsurn, Mahess; Kishnah, Somveer; Pudaruth, Sameerchand (1 січня 2015). Plant Leaf Recognition Using Shape Features and Colour Histogram with K-nearest Neighbour Classifiers. Procedia Computer Science (англ.) 58. с. 740–747. ISSN 1877-0509. doi:10.1016/j.procs.2015.08.095. Процитовано 26 травня 2022. 
  443. Li, Bai (1 березня 2016). Atomic potential matching: An evolutionary target recognition approach based on edge features. Optik (англ.) 127 (5). с. 3162–3168. ISSN 0030-4026. doi:10.1016/j.ijleo.2015.11.186. Процитовано 26 травня 2022. 
  444. Nilsback, Maria-Elena, and Andrew Zisserman. 
  445. Giselsson, Thomas Mosgaard; Jørgensen, Rasmus Nyholm; Jensen, Peter Kryger; Dyrmann, Mads; Midtiby, Henrik Skov (15 листопада 2017). A Public Image Database for Benchmark of Plant Seedling Classification Algorithms. arXiv:1711.05458 [cs]. Процитовано 26 травня 2022. 
  446. Mureşan, Horea; Oltean, Mihai (1 серпня 2018). Fruit recognition from images using deep learning. Acta Universitatis Sapientiae, Informatica (англ.) 10 (1). с. 26–42. doi:10.2478/ausi-2018-0002. Процитовано 26 травня 2022. 
  447. Fruits 360. www.kaggle.com (англ.). Процитовано 26 травня 2022. 
  448. Nakai, Kenta; Kanehisa, Minoru (1991-10). Expert system for predicting protein localization sites in gram-negative bacteria. Proteins: Structure, Function, and Genetics (англ.) 11 (2). с. 95–110. ISSN 0887-3585. doi:10.1002/prot.340110203. Процитовано 26 травня 2022. 
  449. Ling, Charles X., et al. 
  450. Validate User. academic.oup.com. Процитовано 27 травня 2022. 
  451. Validate User. academic.oup.com. Процитовано 26 травня 2022. 
  452. Allwein, Erin L.; Schapire, Robert E.; Singer, Yoram (2001). 
  453. Allwein, Erin L.; Schapire, Robert E.; Singer, Yoram (2001). 
  454. Mayr, Andreas; Klambauer, Günter; Unterthiner, Thomas; Hochreiter, Sepp (2016). DeepTox: Toxicity Prediction using Deep Learning. Frontiers in Environmental Science 3. ISSN 2296-665X. doi:10.3389/fenvs.2015.00080. Процитовано 27 травня 2022. 
  455. Lavin, Alexander; Ahmad, Subutai (2015-12). Evaluating Real-Time Anomaly Detection Algorithms – The Numenta Anomaly Benchmark. 2015 IEEE 14th International Conference on Machine Learning and Applications (ICMLA). с. 38–44. doi:10.1109/ICMLA.2015.141. Процитовано 27 травня 2022. 
  456. team, Waico (25 травня 2022). About SKAB. Процитовано 27 травня 2022. 
  457. Skoltech Anomaly Benchmark (SKAB). www.kaggle.com (англ.). doi:10.34740/kaggle/dsv/1693952. Процитовано 27 травня 2022. 
  458. Campos, Guilherme O.; Zimek, Arthur; Sander, Jörg; Campello, Ricardo J. G. B.; Micenková, Barbora; Schubert, Erich; Assent, Ira; Houle, Michael E. (1 липня 2016). On the evaluation of unsupervised outlier detection: measures, datasets, and an empirical study. Data Mining and Knowledge Discovery (англ.) 30 (4). с. 891–927. ISSN 1573-756X. doi:10.1007/s10618-015-0444-8. Процитовано 27 травня 2022. 
  459. Ann-Kathrin Hartmann, Tommaso Soru, Edgard Marx. 
  460. Soru, Tommaso; Marx, Edgard; Moussallem, Diego; Publio, Gustavo; Valdestilhas, André; Esteves, Diego; Neto, Ciro Baron (5 травня 2020). SPARQL as a Foreign Language. arXiv:1708.07624 [cs]. Процитовано 27 травня 2022. 
  461. Kiet Van Nguyen, Duc-Vu Nguyen, Anh Gia-Tuan Nguyen, Ngan Luu-Thuy Nguyen. 
  462. Nguyen, Kiet Van; Tran, Khiem Vinh; Luu, Son T.; Nguyen, Anh Gia-Tuan; Nguyen, Ngan Luu-Thuy (2020). Enhancing Lexical-Based Approach With External Knowledge for Vietnamese Multiple-Choice Machine Reading Comprehension. IEEE Access 8. с. 201404–201417. ISSN 2169-3536. doi:10.1109/ACCESS.2020.3035701. Процитовано 27 травня 2022.