« MNIST » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
== Domaine ==
==Domaine==
[[Catégorie:Apprentissage automatique]]Apprentissage automatique</br>
[[Catégorie:Apprentissage automatique]]
[[Catégorie:Apprentissage profond]]Apprentissage profond</br>
Apprentissage automatique<br>
[[Catégorie:Coulombe]]Coulombe</br>
[[Catégorie:Apprentissage profond]]
[[Catégorie:Scotty]]</br>
Apprentissage profond<br>
[[Catégorie:Coulombe]]
Coulombe<br>
[[Catégorie:Scotty]]
<br>


== Définition ==
==Définition==


MNIST (Modified National Institute of Standards and Technology) est un nom propre qui désigne le jeu de données d'images de chiffres manuscrits le plus utilisé en reconnaissance d'images. Il comporte 60 000 exemples pour les données d'entraînement et 10 000 exemples pour les données de test. Chaque image mesure 28 × 28 pixels. Les meilleurs algorithmes de reconnaissance obtiennent une précision de 99,5% ou plus sur l'ensemble de données de test.
Le sigle MNIST (''Modified National Institute of Standards and Technology'') désigne le jeu de données d'images de chiffres manuscrits le plus utilisé en reconnaissance d'images. Il comporte 60 000 exemples pour les données d'entraînement et 10 000 exemples pour les données de test. Chaque image mesure 28 × 28 pixels. Les meilleurs algorithmes de reconnaissance obtiennent une précision de 99,5% ou plus sur l'ensemble de données de test.


== Français ==
==Français==


'''MNIST'''
'''MNIST'''  


   
   
== Anglais ==
==Anglais==


'''MNIST'''
'''MNIST'''
Ligne 21 : Ligne 24 :




[https://en.wikipedia.org/wiki/MNIST_database Source: wikipedia ]
[https://en.wikipedia.org/wiki/MNIST_database Source: wikipedia]

Version du 22 mai 2019 à 17:12

Domaine

Apprentissage automatique
Apprentissage profond
Coulombe

Définition

Le sigle MNIST (Modified National Institute of Standards and Technology) désigne le jeu de données d'images de chiffres manuscrits le plus utilisé en reconnaissance d'images. Il comporte 60 000 exemples pour les données d'entraînement et 10 000 exemples pour les données de test. Chaque image mesure 28 × 28 pixels. Les meilleurs algorithmes de reconnaissance obtiennent une précision de 99,5% ou plus sur l'ensemble de données de test.

Français

MNIST


Anglais

MNIST


Source: wikipedia