Полезные ссылки и ресурсы
Машинное обучение, вычислительные модели и массивы видеоданных
- The UC Irvine Machine Learning Repository
- The Institute for Digital Research and Education (IDRE) Data Analysis Examples
- The Singapore Maritime Dataset (SMD)
- The Open Science Framework
- Nature.com: Массив записей движений глаз при просмотре сложных изображений
- IEEE Xplore Digital Library: Обзор массивов айтрекинг-данных
- MIT Saliency Benchmark: Массив данных по Модели заметности
- LSUN'17: SALICON Saliency Prediction Challenge
- Kaggle: The Home of Data Science & Machine Learning
- Wikimedia IRC
Образовательные ресурсы
- Go Cognitive: материалы по когнитивной психологии и когнитивной нейронауке в свободном доступе для студентов, преподавателей и исследователей
- MILA: Ресурсы Монреальского института обучающихся алгоритмов
- Neuronal Dynamics: бесплатная онлайн-книга о нейронной динамике, содержащая описание слоя "интегрировать-и-сработать" и соответствующих математических моделей
- 3Blue1Brown: серия видео-лекций о нейронных сетях
- An Introduction to Hierarchical Modeling: материалы о моделировании и визуализации данных
Новые и(или) интересные материалы о внимании, зрении и вычислительных моделях
- Hooge, I., Holmqvist, K., & Nyström, M. (2016). The pupil is faster than the corneal reflection (CR): Are video based pupil-CR eye trackers suitable for studying detailed dynamics of eye movements? Vision Research, 128, 6–18. doi:10.1016/j.visres.2016.09.002
- Itti, L. & Koch, C. (2000). A saliency-based search mechanism for overt and covert shifts of visual attention. Vision Research, 40(10–12), 1489–1506. doi:10.1016/S0042-6989(99)00163-7
- Fatahi, M., Ahmadi, M., Ahmadi, A., Shahsavari, M., & Devienne, P. (2016). Towards an spiking deep belief network for face recognition application. 6th International Conference on Computer and Knowledge Engineering (ICCKE). doi:10.1109/ICCKE.2016.7802132
Разное
- The Neural Network Zoo: Архитектуры нейронных сетей
Полезный код
- Файлы с примерами методов формирования выборки. Бутстрэппинг – метод оценки стандартного отклонения и среднего значения (и других параметров) распределения, основанный на многократной генерации выборок на основании имеющихся данных. Источник кода предоставлен доктором Амелией Хант, Абердинский университет (Великобритания).
bootstrappercent.m
permutationData.mat
permutationExample.m
Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.