Hispanopedia Wiki
Articulo de referencia

Lista de conjuntos de datos para la investigación en aprendizaje automático

Estos conjuntos de datos se utilizan en la investigación del aprendizaje automático (ML) y se han citado en revistas académicas revisadas por pares . Los conjuntos de datos son ...

Hispanopedia WikiContenido en espanolLectura gratuita

Estos conjuntos de datos se utilizan en la investigación del aprendizaje automático (ML) y se han citado en revistas académicas revisadas por pares . Los conjuntos de datos son una parte integral del campo del aprendizaje automático. Los avances importantes en este campo pueden resultar de los avances en los algoritmos de aprendizaje (como el aprendizaje profundo ), el hardware informático y, de manera menos intuitiva, la disponibilidad de conjuntos de datos de entrenamiento de alta calidad. [ 1 ] Los conjuntos de datos de entrenamiento etiquetados de alta calidad para algoritmos de aprendizaje automático supervisado y semisupervisado suelen ser difíciles y costosos de producir debido a la gran cantidad de tiempo necesario para etiquetar los datos. Aunque no necesitan estar etiquetados, los conjuntos de datos sin etiquetar de alta calidad para el aprendizaje no supervisado también pueden ser difíciles y costosos de producir. [ 2 ] [ 3 ] [ 4 ]

Muchas organizaciones, incluidos los gobiernos, publican y comparten sus conjuntos de datos , a menudo utilizando formatos de metadatos comunes (como Croissant ). [ 5 ] Los conjuntos de datos se clasifican, según las licencias, en dos grupos: datos abiertos y datos no abiertos .

Los conjuntos de datos de diversos organismos gubernamentales se presentan en la Lista de sitios de datos gubernamentales abiertos. Estos conjuntos de datos se publican en portales de datos abiertos y se pueden consultar, depositar y acceder a ellos mediante interfaces como Open API . Los conjuntos de datos se ofrecen en diferentes tipos y subtipos clasificados.

Lista de métodos de ordenación utilizados para los conjuntos de datos

El portal de datos se clasifica según su tipo de licencia. Los portales de datos con licencia de código abierto se conocen como portales de datos abiertos y son utilizados por muchas organizaciones gubernamentales e instituciones académicas .

Lista de portales de datos abiertos

Lista de portales adecuados para múltiples tipos de aplicaciones.

El portal de datos a veces enumera una amplia variedad de subtipos de conjuntos de datos relacionados con muchas aplicaciones de aprendizaje automático .

Lista de portales adecuados para un subtipo específico de aplicaciones.

En las secciones siguientes se enumeran los portales de datos adecuados para un subtipo específico de aplicación de aprendizaje automático .

Datos de imagen

Datos de texto

Estos conjuntos de datos consisten principalmente en texto para tareas como el procesamiento del lenguaje natural , el análisis de sentimientos , la traducción y el análisis de clústeres .

Reseñas

Artículos de noticias

Mensajes

Twitter y los tweets

Diálogos

Otro texto

Datos de sonido

Estos conjuntos de datos consisten en sonidos y características sonoras utilizadas para tareas como el reconocimiento de voz y la síntesis de voz .

Discurso

Música

Otros sonidos

datos de señal

Conjuntos de datos que contienen información de señales eléctricas que requieren algún tipo de procesamiento de señales para su posterior análisis.

Eléctrico

Seguimiento de movimiento

Otras señales

Datos químicos

Conjuntos de datos procedentes de sistemas físicos.

Reacciones químicas con estados de transición (ET)

OpenReACT-CHON-EFH

OpenReACT-CHON-EFH ( Open Reaction Dataset of Atomic Configurations understanding C , H , O and N with Energys , Forces and Hessians ) es un conjunto de datos de referencia de acceso abierto de 2025 para el aprendizaje automático de potenciales interatómicos.

  • **Conjunto RTP** – 35.087 geometrías de puntos estacionarios (reactivo, estado de transición y producto) extraídas de 11.961 reacciones elementales, cada una etiquetada con energías funcionales de la densidad, fuerzas atómicas y matrices hessianas completas al nivel ωB97X-D/6-31G(d).
  • **Conjunto IRC** – 34.248 estructuras a lo largo de 600 trayectorias de reacción de mínima energía, utilizadas para probar la extrapolación más allá de los puntos estacionarios entrenados.
  • **Conjunto NMS**: 62.527 geometrías fuera del equilibrio generadas mediante muestreo de modos normales para comprobar la robustez del modelo ante perturbaciones térmicas.

La colección sirve de base al estudio ¿Mejoran los datos de la matriz hessiana el rendimiento de los potenciales de aprendizaje automático? y se utilizó para entrenar y evaluar los potenciales interatómicos de aprendizaje automático que se describen en dicho estudio. [ 204 ]

El conjunto de datos en sí se distribuye bajo una licencia CC a través de Figshare. [ 205 ]

Datos físicos

Conjuntos de datos procedentes de sistemas físicos.

Física de altas energías

Sistemas

Astronomía

Ciencias de la Tierra

Otros físicos

Datos biológicos

Conjuntos de datos de sistemas biológicos.

Humano

Animal

Hongos

Planta

Microbio

descubrimiento de fármacos

Datos anómalos

Datos de respuesta a preguntas

Esta sección incluye conjuntos de datos que tratan con datos estructurados.

Datos solicitados mediante diálogo o instrucciones

Esta sección incluye conjuntos de datos que contienen texto con múltiples turnos y al menos dos actores: un "usuario" y un "agente". El usuario realiza solicitudes al agente, quien las ejecuta.

Ciberseguridad

Clima y sostenibilidad

Datos del código

Datos multivariados

Financiero

Clima

Censo

Tránsito

Internet

Juegos

Otros análisis multivariados

Repositorios de conjuntos de datos seleccionados

Dado que los conjuntos de datos se presentan en multitud de formatos y a veces pueden resultar difíciles de usar, se ha invertido un considerable esfuerzo en la selección y estandarización del formato de los conjuntos de datos para facilitar su uso en la investigación del aprendizaje automático.

  • OpenML: [ 506 ] Plataforma web con Python, R, Java y otras API para descargar cientos de conjuntos de datos de aprendizaje automático, evaluar algoritmos en conjuntos de datos y comparar el rendimiento de los algoritmos con docenas de otros algoritmos.
  • PMLB: [ 507 ] Un repositorio grande y seleccionado de conjuntos de datos de referencia para evaluar algoritmos de aprendizaje automático supervisado. Proporciona conjuntos de datos de clasificación y regresión en un formato estandarizado, accesibles a través de una API de Python.
  • Metatext NLP: https://metatext.io/datasets es un repositorio web mantenido por la comunidad que contiene casi 1000 conjuntos de datos de referencia, y sigue creciendo. Ofrece diversas tareas, desde clasificación hasta control de calidad, y está disponible en varios idiomas, desde inglés y portugués hasta árabe.
  • Appen : Conjuntos de datos de código abierto y listos para usar, alojados y mantenidos por la empresa. Estos recursos biológicos, de imagen, físicos, de respuesta a preguntas, de señal, de sonido, de texto y de vídeo suman más de 250 y pueden aplicarse a más de 25 casos de uso diferentes. [ 508 ] [ 509 ]

Véase también

Referencias

  1. ↑ Wissner-Gross, A. "Conjuntos de datos por encima de algoritmos" . Edge.com . Consultado el 8 de enero de 2016 .
  2. ↑ Weiss, GM; Provost, F. (octubre de 2003). "Aprendizaje cuando los datos de entrenamiento son costosos: el efecto de la distribución de clases en la inducción de árboles" . Journal of Artificial Intelligence Research . 19 : 315–354 . doi : 10.1613/jair.1199 .
  3. ↑ Abney, Steven (2007). Aprendizaje semisupervisado para la lingüística computacional . CRC Press. ISBN 978-1-4200-1080-0.
  4. ↑ Žliobaitė, Indrė; Bifet, Albert; Pfahringer, Bernhard; Holmes, Geoff (2011). "Aprendizaje activo con datos en tiempo real en evolución". Aprendizaje automático y descubrimiento de conocimiento en bases de datos . Notas de clase en informática. Vol. 6913. págs. 597–612 . doi : 10.1007/978-3-642-23808-6_39 . ISBN   978-3-642-23807-9.
  5. ^ Ajtar, Mubashara; Benjelloun, Omar; Conforti, Costanza; Foschini, Luca; Gijsbers, Pieter; Giner-Miguelez, Joan; Goswami, Sujata; Jainista, Nitisha; Karamousadakis, Michalis; Krishna, Satyapriya; Kuchnik, Michael; Lesage, Sylvain; Lhoest, Quentin; Marcenac, Pierre; Maskey, Manil (16 de diciembre de 2024). "Croissant: un formato de metadatos para conjuntos de datos listos para ML". Avances en los sistemas de procesamiento de información neuronal 37 . vol. 37. págs. 82133– 82148. doi : 10.52202/079017-2610 . ISBN   979-8-3313-1438-5.
  6. ↑ James Bennett; Stan Lanning (12 de agosto de 2007). "El premio Netflix" (PDF) . Actas de la Copa y Taller KDD 2007. Archivado del original (PDF) el 27 de septiembre de 2007. Recuperado el 25 de agosto de 2007 .
  7. ↑ McAuley, Julian; Targett, Christopher; Shi, Qinfeng; Anton van den Hengel (2015). "Recomendaciones basadas en imágenes sobre estilos y sustitutos". arXiv : 1506.04757 [ cs.CV ].
  8. ↑ "Datos de reseñas de Amazon" . nijianmo.github.io . Consultado el 8 de octubre de 2021 .
  9. ↑ Ganesan, Kavita; Zhai, Chengxiang (2012). "Clasificación de entidades basada en opiniones". Information Retrieval . 15 (2): 116– 150. doi : 10.1007/s10791-011-9174-8 . hdl : 2142/15252 . S2CID 16258727 . 
  10. ↑ Lv, Yuanhua; Lymberopoulos, Dimitrios; Wu, Qiang (2012). "Una exploración de heurísticas de clasificación en la búsqueda local móvil". Actas de la 35.ª conferencia internacional ACM SIGIR sobre investigación y desarrollo en recuperación de información . pp. 295–304 . doi : 10.1145/2348283.2348325 . ISBN  978-1-4503-1472-5.
  11. ↑ Harper, F. Maxwell; Konstan, Joseph A. (2015). "Los conjuntos de datos de MovieLens: historia y contexto". ACM Transactions on Interactive Intelligent Systems . 5 (4): 19. doi : 10.1145/2827872 . S2CID 16619709 . 
  12. ↑ Koenigstein, Noam; Dror, Gideon; Koren, Yehuda (2011). "Yahoo! Recomendaciones musicales: Modelado de calificaciones musicales con dinámica temporal y taxonomía de ítems". Actas de la quinta conferencia ACM sobre sistemas de recomendación . págs. 165–172 . doi : 10.1145/2043932.2043964 . ISBN  978-1-4503-0683-6.
  13. ↑ McFee, Brian; Bertin-Mahieux, Thierry; Ellis, Daniel PW; Lanckriet, Gert RG (2012). «El desafío del conjunto de datos de un millón de canciones». Actas de la 21.ª Conferencia Internacional sobre la World Wide Web . págs. 909–916 . doi : 10.1145/2187980.2188222 . ISBN  978-1-4503-1230-1.
  14. ↑ Bohanec, Marko y Vladislav Rajkovic. " Adquisición y explicación del conocimiento para la toma de decisiones con múltiples atributos ". 8.º Taller Internacional sobre Sistemas Expertos y sus Aplicaciones . 1988.
  15. ↑ Tan, Peter J., y David L. Dowe. " Inferencia MML de grafos de decisión con uniones multidireccionales ". Conferencia Conjunta Australiana sobre Inteligencia Artificial . 2002.
  16. ↑ "Cuantificando la comedia en YouTube: por qué importa el número de 'o's' en tu LOL" . Base de datos de metatexto NLP . Consultado el 26 de octubre de 2020 .
  17. ↑ Kim, Byung Joo (2012). "Un clasificador para macrodatos" . Convergencia y tecnología de la información híbrida . Comunicaciones en informática y ciencias de la información. Vol. 310. pp. 505–512 . doi : 10.1007/978-3-642-32692-9_63 . ISBN   978-3-642-32691-2.
  18. ↑ Pérezgonzález, Jose D.; Gilbey, Andrew (2011). "Predicción de las clasificaciones de aeropuertos de Skytrax a partir de las reseñas de los clientes" . Journal of Airport Management . 5 (4): 335– 339. doi : 10.69554/RFZC4321 .
  19. ↑ Loh, Wei-Yin y Yu-Shan Shih. " Métodos de selección de división para árboles de clasificación ". Statistica sinica (1997): 815–840.
  20. ↑ Lim, Tjen-Sien; Loh, Wei-Yin ; Shih, Yu-Shan (2000). "Una comparación de la precisión de predicción, la complejidad y el tiempo de entrenamiento de treinta y tres algoritmos de clasificación antiguos y nuevos". Machine Learning . 40 (3): 203– 228. doi : 10.1023/a:1007608224229 . S2CID 17030953 . 
  21. ^ Nguyen, Kiet Van; Nguyen, Vu Duc; Nguyen, Phu XV; Truong, Tham TH; Nguyen, Ngan Luu-Thuy (2018). "UIT-VSFC: corpus de comentarios de estudiantes vietnamitas para el análisis de sentimientos". 2018 10° Congreso Internacional sobre Conocimiento e Ingeniería de Sistemas (KSE) . págs. 19 a 24. doi : 10.1109/KSE.2018.8573337 . ISBN  978-1-5386-6113-0.
  22. ^ Ho, Vong Anh; Nguyen, Duong Huynh-Cong; Nguyen, Danh Hoang; Pham, Linh Thi-Van; Nguyen, Duc-Vu; Nguyen, Kiet Van; Nguyen, Ngan Luu-Thuy (2020). "Reconocimiento de emociones para texto de redes sociales vietnamitas" . Lingüística Computacional . Comunicaciones en Informática y Ciencias de la Información. vol. 1215. págs. 319–333 . arXiv : 1911.09339 . doi : 10.1007/978-981-15-6168-9_27 . ISBN   978-981-15-6167-2. S2CID 208202333 . 
  23. ^ Nhung Thi-Hong Nguyen, Phuong Ha-Dieu Phan, Luan Thanh Nguyen, Kiet Van Nguyen, Ngan Luu-Thuy Nguyen (24 de abril de 2021). "Detección de quejas de dominio abierto vietnamita en sitios web de comercio electrónico". arXiv : 2104.11969 [ cs.CL ].{{cite arXiv}}: CS1 maint: varios nombres: lista de autores ( enlace )
  24. ^ Phu Gia Hoang, Canh Duc Luu, Khanh Quoc Tran, Kiet Van Nguyen, Ngan Luu-Thuy Nguyen (26 de enero de 2023). "ViHOS: El discurso de odio abarca la detección de vietnamitas". arXiv : 2301.10186 [ cs.CL ].{{cite arXiv}}: CS1 maint: varios nombres: lista de autores ( enlace )
  25. ↑ Dermouche, Mohamed; Velcin, Julien; Khouas, Leila; Loudcher, Sabine (2014). "Un modelo conjunto para la evolución del sentimiento temático a lo largo del tiempo". 2014 IEEE International Conference on Data Mining . IEEE. pp. 773–778 . doi : 10.1109/icdm.2014.82 . ISBN  978-1-4799-4302-9.
  26. ↑ Rose, Tony; Stevenson, Mark; Whitehead, Miles (2002). "El corpus de Reuters Volumen 1: de las noticias de ayer a los recursos lingüísticos del mañana". LREC . 2 . S2CID 9239414 . 
  27. ↑ Amini, Massih R.; Usunier, Nicolas; Goutte, Cyril (2009). "Aprendizaje a partir de múltiples vistas parcialmente observadas: una aplicación a la categorización de textos multilingües" . Advances in Neural Information Processing Systems . 22 : 28–36 .
  28. ↑ Liu, Ming; et al. (2015). "VRCA: un algoritmo de agrupamiento para grandes cantidades de textos" . Actas de la 24.ª Conferencia Internacional sobre Inteligencia Artificial . AAAI Press. Archivado del original el 5 de noviembre de 2021. Recuperado el 6 de agosto de 2019 . 
  29. ↑ Al-Harbi, S; Almuhareb, A; Al-Thubaity, A; Khorsheed, MS; Al-Rajeh, A (2008). "Clasificación automática de texto árabe". Actas de la 9ª Conferencia Internacional sobre Análisis Estadístico de Datos Textuales, Lyon, Francia .
  30. ↑ "Conjunto de datos de evaluación de extracción de relaciones y entidades: Dstl/re3d" . GitHub . 17 de diciembre de 2018.
  31. ↑ "The Examiner – Catálogo de spam y clickbait" .
  32. ↑ "Un millón de titulares de noticias" .
  33. ↑ "Una semana de noticias globales" .
  34. ^ Kulkarni, Rohit (2018), Archivo de Reuters News-Wire , Harvard Dataverse, doi : 10.7910/DVN/XDB74W
  35. ↑ "IrishTimes – las noticias tenues y sin sentido" .
  36. ↑ "Conjunto de datos de titulares de noticias para la detección de sarcasmo" . kaggle.com . Consultado el 27 de abril de 2019 .
  37. ^ Klimt, Bryan y Yiming Yang. " Presentando el Corpus Enron ". CEA . 2004.
  38. ↑ Kossinets, Gueorgi; Kleinberg, Jon; Watts, Duncan (2008). "La estructura de las vías de información en una red de comunicación social". arXiv : 0806.3201 [ physics.soc-ph ].
  39. ↑ Androutsopoulos, Ion; Koutsias, John; Chandrinos, Konstantinos V.; Paliouras, George; Spyropoulos, Constantine D. (2000). "Una evaluación del filtrado antispam bayesiano ingenuo". En Potamias, G.; Moustakis, V.; van Someren, M. (eds.). Actas del Taller sobre Aprendizaje Automático en la Nueva Era de la Información . 11.ª Conferencia Europea sobre Aprendizaje Automático, Barcelona, ​​España. Vol. 11. pp. 9–17 . arXiv : cs/0006013 . Bibcode : 2000cs........6013A .  
  40. ↑ Bratko, Andrej; et al. (2006). "Filtrado de spam mediante modelos de compresión de datos estadísticos" (PDF) . The Journal of Machine Learning Research . 7 : 2673–2698 . 
  41. ↑ Almeida, Tiago A., José María G. Hidalgo y Akebo Yamakami. « Contribuciones al estudio del filtrado de spam por SMS: nueva recopilación y resultados ». Actas del 11.º simposio de la ACM sobre ingeniería documental . ACM, 2011.
  42. ↑ Delany; Jane, Sarah; Buckley, Mark; Greene, Derek (2012). "Filtrado de spam por SMS: métodos y datos" . Expert Systems with Applications . 39 (10): 9899– 9908. doi : 10.1016/j.eswa.2012.02.053 . S2CID 15546924 . 
  43. ↑ Joachims, Thorsten. Un análisis probabilístico del algoritmo de Rocchio con TFIDF para la categorización de texto . N.° CMU-CS-96-118. Universidad Carnegie Mellon, Pittsburgh, PA, Departamento de Ciencias de la Computación, 1996.
  44. ↑ Dimitrakakis, Christos y Samy Bengio. Adaptación de políticas en línea para algoritmos de conjunto . N.° EPFL-REPORT-82788. IDIAP, 2002.
  45. ↑ Dooms, S. et al. "Movietweetings: un conjunto de datos de calificaciones de películas recopilado de Twitter, 2013. Disponible en https://github.com/sidooms/MovieTweetings ."
  46. ^ Roy Chowdhury, Aruni; Lin, Tsung-Yu; Maji, Subhransu; Aprendido-Miller, Erik (2017). "Twitter100k: un conjunto de datos del mundo real para la recuperación entre medios débilmente supervisada". arXiv : 1703.06618 [ cs.CV ].
  47. ↑ "huyt16/Twitter100k" . GitHub . Consultado el 26 de marzo de 2018 .
  48. ↑ Go, Alec; Bhayani, Richa; Huang, Lei (2009). "Clasificación de sentimientos en Twitter mediante supervisión distante". Informe del proyecto CS224N, Stanford . 1 : 12.
  49. ↑ Chikersal, Prerna, Soujanya Poria y Erik Cambria. « SeNTU: análisis de sentimiento de tweets mediante la combinación de un clasificador basado en reglas con aprendizaje supervisado ». Actas del Taller Internacional sobre Evaluación Semántica, SemEval . 2015.
  50. ↑ Zafarani, Reza y Huan Liu . "Repositorio de datos de computación social en ASU". Escuela de Computación, Informática e Ingeniería de Sistemas de Decisión, Universidad Estatal de Arizona (2009).
  51. ↑ Curso de Ciencia de Datos de DataTrained Education " Curso de Ciencia de Datos Certificado por IBM ". Curso de Ciencia de Datos en Línea Certificado por IBM
  52. ↑ McAuley, Julian J.; Leskovec, Jure. "Aprender a descubrir círculos sociales en redes egocéntricas". NIPS . 2012 : 2012.
  53. ↑ Šubelj, Lovro; Fiala, Dalibor; Bajec, Marko (2014). "Comparación estadística basada en redes de la topología de citas de bases de datos bibliográficas" . Scientific Reports . 4 (6496): 6496. arXiv : 1502.05061 . Bibcode : 2014NatSR...4.6496S . doi : 10.1038/srep06496 . PMC 4178292. PMID 25263231 .  
  54. ↑ Abdulla, N., et al. "Análisis de sentimiento en árabe: basado en corpus y basado en léxico." Actas de la conferencia IEEE sobre Ingeniería Eléctrica Aplicada y Tecnologías Informáticas (AEECT) . 2013.
  55. ^ Abooraig, Raddad; Al-Zu'bi, Shadi; Kanán, Tarek; Hawashin, Bilal; Al Ayoub, Mahmoud; Hmeidi, Ismail (junio de 2018). "Categorización automática de artículos árabes según su orientación política". Investigación Digital . 25 : 24– 41. doi : 10.1016/j.diin.2018.04.003 .
  56. ^ Kawala, François y col. " Prédictions d'activité dans les réseaux sociaux en ligne ". 4ième conférence sur les modèles et l'analyse des réseaux: Approches mathématiques et informatiques . 2013.
  57. ↑ Sabharwal, Ashish; Samulowitz, Horst; Tesauro, Gerald (2015). "Selección de aprendices casi óptimos mediante asignación incremental de datos". arXiv : 1601.00024 [ cs.LG ].
  58. ↑ Xu et al. " SemEval-2015 Tarea 1: Paráfrasis y similitud semántica en Twitter (PIT) " Actas del 9º Taller Internacional sobre Evaluación Semántica . 2015.
  59. ↑ Xu et al. " Extracción de paráfrasis léxicamente divergentes de Twitter " Transactions of the Association for Computational (TACL) . 2014.
  60. ↑ Middleton, Stuart E; Middleton, Lee; Modafferi, Stefano (2014). "Mapeo de crisis en tiempo real de desastres naturales mediante redes sociales" (PDF) . IEEE Intelligent Systems . 29 (2): 9– 17. Bibcode : 2014IISys..29b...9M . doi : 10.1109/MIS.2013.126 . S2CID 15139204 . 
  61. ↑ "geoparsepy" . 2016.Biblioteca PyPI de Python
  62. ↑ Shmueli, Boaz; Ku, Lun-Wei; Ray, Soumya (2020). "Supervisión reactiva: un nuevo método para recopilar datos de sarcasmo" . Actas de la Conferencia de 2020 sobre Métodos Empíricos en Procesamiento del Lenguaje Natural (EMNLP) . Asociación de Lingüística Computacional. págs. 2553–2559 . doi : 10.18653/v1/2020.emnlp-main.201 . S2CID 221970454 .  
  63. ^ Shmueli, Booz. "Conjunto de datos de sarcasmo de SPIRS" . GitHub .
  64. ↑ Gupta, Aakash (2020). "Recopilación de datos de redes sociales holandesas" . Centro de datos COVID-19. doi : 10.5072/FK2/MTPTL7 . Consultado el 11 de noviembre de 2023 .
  65. ↑ "Streamlit" . huggingface.co . Consultado el 18 de diciembre de 2020 .
  66. ↑ "Colección de redes sociales holandesas" . kaggle.com . Consultado el 18 de diciembre de 2020 .
  67. ↑ Shmueli, Boaz; Ray, Soumya; Lun-Wei (2021). "Happy Dance, Slow Clap: Using Reaction GIFs to Predict Induced Affect on Twitter". Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 2: Short Papers) . Vol. Association for Computational Linguistics. As. pp. 395– 401. doi : 10.18653/v1/2021.acl-short.50 . S2CID 235125510 .   
  68. ↑ Shmueli, Boaz (5 de mayo de 2023), ReactionGIF , consultado el 6 de octubre de 2023
  69. ↑ Forsyth, E., Lin, J., & Martell, C. (2008, 25 de junio). El corpus de chat de NPS. Recuperado de http://faculty.nps.edu/cmartell/NPSChat.htm
  70. ↑ Sordoni, Alessandro; Galley, Michel; Auli, Michael; Brockett, Chris; Ji, Yangfeng; Mitchell, Margaret; Nie, Jian-Yun; Gao, Jianfeng; Dolan, Bill (2015). "Un enfoque de red neuronal para la generación de respuestas conversacionales sensibles al contexto". arXiv : 1506.06714 [ cs.CL ].
  71. ↑ Shaoul, C. y Westbury C. (2013) Un corpus USENET con redundancia reducida (2005–2011) Edmonton, AB: Universidad de Alberta (descargado de http://www.psych.ualberta.ca/~westburylab/downloads/usenetcorpus.download.html )
  72. ↑ KAN, M. (2011, enero). Corpus del Servicio de Mensajes Cortos (SMS) de la NUS. Recuperado de http://www.comp.nus.edu.sg/entrepreneurship/innovation/osr/corpus/ Archivado el 29 de junio de 2018 en Wayback Machine
  73. ↑ Stuck_In_the_Matrix. (3 de julio de 2015). Tengo todos los comentarios de Reddit disponibles públicamente para investigación. ~ 1700 millones de comentarios, 250 GB comprimidos. ¿Les interesa? [Publicación original]. Mensaje publicado en https://www.reddit.com/r/datasets/comments/3bxlg7/i_have_every_publicly_available_reddit_comment/
  74. ↑ Lowe, Ryan; Pow, Nissan; Serban, Iulian; Pineau, Joelle (2015). "El corpus de diálogo Ubuntu: un gran conjunto de datos para la investigación en sistemas de diálogo multiturno no estructurados". arXiv : 1506.08909 [ cs.CL ].
  75. ^ Jason Williams Antoine Raux Matthew Henderson, "", Diálogo y Discurso | Abril de 2016 .
  76. ↑ Larson, S.; Mahendran, A.; Peper, JJ; Clarke, C.; Lee, A.; Hill, P.; Kummerfeld, JK; Leach, K.; Laurenzano, M.; Tang, L.; Mars, J. (2019). "Un conjunto de datos de evaluación para la clasificación de intenciones y la predicción fuera de alcance". Actas de la Conferencia de 2019 sobre Métodos Empíricos en Procesamiento del Lenguaje Natural y la 9.ª Conferencia Internacional Conjunta sobre Procesamiento del Lenguaje Natural (EMNLP-IJCNLP) . Asociación de Lingüística Computacional. págs. 1311–1316 . doi : 10.18653/v1/D19-1131 . ISBN  978-1-4799-1805-8.
  77. ↑ Hoppe, Travis (16 de diciembre de 2021), The-Pile-FreeLaw , consultado el 11 de enero de 2023
  78. ↑ Zheng, Lucia; Guha, Neel; Anderson, Brandon R.; Henderson, Peter; Ho, Daniel E. (21 de junio de 2021). "¿Cuándo ayuda el preentrenamiento?" . Actas de la Decimoctava Conferencia Internacional sobre Inteligencia Artificial y Derecho . Nueva York, NY, EE. UU.: ACM. págs. 159–168 . doi : 10.1145/3462757.3466088 . ISBN  978-1-4503-8526-8. S2CID 233296302 . 
  79. ↑ "pile-of-law/pile-of-law · Conjuntos de datos en Hugging Face" . huggingface.co . 4 de julio de 2022. Consultado el 11 de enero de 2023 .
  80. ↑ "Acerca de | Proyecto de Acceso a la Jurisprudencia" . case.law . Consultado el 11 de enero de 2023 .
  81. ↑ Roukos, Salim; Graff, David; Melamed, Dan (1995), Hansard francés/inglés , Linguistic Data Consortium, doi : 10.35111/JHGN-RV21 , consultado el 26 de febrero de 2025
  82. ↑ Kowsari, Kamran; Brown, Donald E.; Heidarysafa, Mojtaba; Jafari Meimandi, Kiana; Gerber, Matthew S.; Barnes, Laura E. (2017). "HDLTex: Aprendizaje profundo jerárquico para la clasificación de texto". 16.ª Conferencia Internacional IEEE de 2017 sobre Aprendizaje Automático y Aplicaciones (ICMLA) . págs. 364–371 . arXiv : 1709.08267 . doi : 10.1109/ICMLA.2017.0-134 . ISBN  978-1-5386-1418-1.
  83. ^ Kowsari, Kamran; marrón, Donald; Heidarysafa, Mojtaba; Jafari Meimandi, Kiana; Gerber, Mateo; Barnes, Laura (2018). "Conjunto de datos de la Web of Science". Datos de Mendeley . 6 . doi : 10.17632/9rw3vkcfy4.6 .
  84. ↑ Galgani, Filippo, Paul Compton y Achim Hoffmann. « Combinación de diferentes técnicas de resumen para textos legales ». Actas del Taller sobre Enfoques Híbridos Innovadores para el Procesamiento de Datos Textuales . Asociación de Lingüística Computacional, 2012.
  85. ↑ Nagwani, NK (2015). "Resumen de grandes colecciones de texto mediante modelado de temas y agrupamiento basado en el marco MapReduce" . Journal of Big Data . 2 (1) 6: 1– 18. doi : 10.1186/s40537-015-0020-5 .
  86. ↑ Schler, Jonathan; et al. (2006). "Efectos de la edad y el género en los blogs" (PDF) . Simposio de primavera de la AAAI: Enfoques computacionales para el análisis de blogs . 6. Archivado del original (PDF) el 14 de noviembre de 2020. Recuperado el 6 de agosto de 2019 . 
  87. ↑ Anand, Pranav, et al. "Créanme, ¡podemos hacerlo! Anotación de actos persuasivos en textos de blogs". Modelos computacionales de argumentación natural . 2011.
  88. ↑ Traud, Amanda L., Peter J. Mucha y Mason A. Porter. "Estructura social de las redes de Facebook". Physica A: Statistical Mechanics and its Applications 391.16 (2012): 4165–4180.
  89. ^ Ricardo, Emilio; Savalle, Pierre-André; Vayatis, Nicolás (2012). "Estimación de matrices simultáneamente dispersas y de bajo rango". arXiv : 1206.6474 [ cs.DS ].
  90. ↑ Richardson, Matthew; Burges, Christopher JC; Renshaw, Erin (2013). "MCTest: Un conjunto de datos de desafío para la comprensión automática de texto en dominio abierto" . EMNLP . 1 .
  91. ↑Weston, Jason; Bordes, Antoine; Chopra, Sumit; Rush, Alexander M.; Bart van Merriënboer; Joulin, Armand; Mikolov, Tomas (2015). "Towards AI-Complete Question Answering: A Set of Prerequisite Toy Tasks". arXiv:1502.05698 [cs.AI].
  92. ↑Marcus, Mitchell P.; Ann Marcinkiewicz, Mary; Santorini, Beatrice (1993). "Building a large annotated corpus of English: The Penn Treebank". Computational Linguistics. 19 (2): 313–330.
  93. ↑Collins, Michael (2003). "Head-driven statistical models for natural language parsing". Computational Linguistics. 29 (4): 589–637. doi:10.1162/089120103322753356.
  94. ↑"All Our N-gram are Belong to You". research.google. 3 August 2006. Retrieved 28 May 2025.
  95. ↑"Web 1T 5-gram Version 1 - Linguistic Data Consortium". catalog.ldc.upenn.edu. 19 September 2006. Retrieved 28 May 2025.
  96. ↑Guyon, Isabelle, et al., eds. Feature extraction: foundations and applications. Vol. 207. Springer, 2008.
  97. ↑Lin, Yuri, et al. "Syntactic annotations for the google books ngram corpus." Proceedings of the ACL 2012 system demonstrations. Association for Computational Linguistics, 2012.
  98. ↑Krishnamoorthy, Niveda; et al. (2013). "Generating Natural-Language Video Descriptions Using Text-Mined Knowledge". AAAI. 1. Archived from the original on 6 August 2019. Retrieved 6 August 2019.
  99. ↑Luyckx, Kim; Daelemans, Walter (2008). "Personae: a corpus for author and personality prediction from text". Proceedings of LREC-2008, the Sixth International Language Resources and Evaluation Conference. hdl:10067/687330151162165141. ISBN 978-2-9517408-4-6.
  100. ↑Solorio, Thamar, Ragib Hasan, and Mainul Mizan. "A case study of sockpuppet detection in wikipedia." Workshop on Language Analysis in Social Media (LASM) at NAACL HLT. 2013.
  101. ↑"Pushshift Files". files.pushshift.io. Archived from the original on 12 January 2023. Retrieved 12 January 2023.
  102. ↑Baumgartner, Jason; Zannettou, Savvas; Keegan, Brian; Squire, Megan; Blackburn, Jeremy (23 January 2020). "The Pushshift Reddit Dataset". arXiv:2001.08435 [cs.SI].
  103. ↑Ciarelli, Patrick Marques; Oliveira, Elias (2009). "Agglomeration and Elimination of Terms for Dimensionality Reduction". 2009 Ninth International Conference on Intelligent Systems Design and Applications. pp. 547–552. doi:10.1109/ISDA.2009.9. ISBN 978-1-4244-4735-0.
  104. ↑Zhou, Mingyuan; Padilla, Oscar Hernan Madrid; Scott, James G. (2 July 2016). "Priors for Random Count Matrices Derived from a Family of Negative Binomial Processes". Journal of the American Statistical Association. 111 (515): 1144–1156. arXiv:1404.3331. doi:10.1080/01621459.2015.1075407.
  105. ↑Kotzias, Dimitrios, et al. "From group to individual labels using deep features." Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2015.
  106. ↑Ning, Yue; Muthiah, Sathappan; Rangwala, Huzefa; Ramakrishnan, Naren (2016). "Modeling Precursors for Event Forecasting via Nested Multi-Instance Learning". arXiv:1602.08033 [cs.SI].
  107. ↑Buza, Krisztian. "Feedback prediction for blogs."Data analysis, machine learning and knowledge discovery. Springer International Publishing, 2014. 145–152.
  108. ↑Soysal, Ömer M (2015). "Association rule mining with mostly associated sequential patterns". Expert Systems with Applications. 42 (5): 2582–2592. doi:10.1016/j.eswa.2014.10.049.
  109. ↑Zhu, Yukun, et al. "Aligning books and movies: Towards story-like visual explanations by watching movies and reading books." Proceedings of the IEEE international conference on computer vision. 2015.
  110. ↑Bowman, Samuel R.; Angeli, Gabor; Potts, Christopher; Manning, Christopher D. (2015). "A large annotated corpus for learning natural language inference". arXiv:1508.05326 [cs.CL].
  111. ↑ "Colección de corpus DSL" . ttg.uni-saarland.de . Consultado el 22 de septiembre de 2017 .
  112. ↑ "Diccionario urbano de palabras y definiciones" .
  113. ↑ H. Elsahar, P. Vougiouklis, A. Remaci, C. Gravier, J. Hare, F. Laforest, E. Simperl, " T-REx: Alineación a gran escala del lenguaje natural con triples de bases de conocimiento ", Actas de la undécima Conferencia Internacional sobre Recursos y Evaluación del Lenguaje (LREC-2018).
  114. ↑ Wang, Alex; Singh, Amanpreet; Michael, Julian; Hill, Felix; Levy, Omer; Bowman, Samuel R. (2018). "GLUE: Una plataforma de análisis y evaluación comparativa multitarea para la comprensión del lenguaje natural". arXiv : 1804.07461 [ cs.CL ].
  115. ↑ "Las computadoras están aprendiendo a leer, pero aún no son tan inteligentes" . Wired . Consultado el 29 de diciembre de 2019 .
  116. ↑ "GLUE Benchmark" . gluebenchmark.com . Consultado el 25 de febrero de 2019 .
  117. ^ Quan, Hoang Lam; Quang, Duy Le; Van Kiet, Nguyen; Ngan, Luu-Thuy Nguyen. "UIT-ViIC: un conjunto de datos para la primera evaluación sobre subtítulos de imágenes vietnamitas" .
  118. ↑ To, Quoc Huy; Nguyen, Van Kiet; Nguyen, Luu Thuy Ngan; Nguyen, Gia Tuan Anh (2020). "Predicción de género basada en nombres vietnamitas con técnicas de aprendizaje automático". Actas de la 4.ª Conferencia Internacional sobre Procesamiento del Lenguaje Natural y Recuperación de Información . págs. 55–60 . arXiv : 2010.10852 . doi : 10.1145/3443279.3443309 . ISBN  978-1-4503-7760-7. S2CID 224814110 . 
  119. ↑ Nguyen, Luan Thanh; Van Nguyen, Kiet; Nguyen, Ngan Luu-Thuy (18 de marzo de 2021). "Detección de discurso constructivo y tóxico en comentarios de redes sociales de dominio abierto en vietnamita". Avances y tendencias en inteligencia artificial. Prácticas de inteligencia artificial . Notas de clase en ciencias de la computación. Vol. 12798. págs. 572–583 . arXiv : 2103.10069 . doi : 10.1007/978-3-030-79457-6_49 . ISBN   978-3-030-79456-9. S2CID 232269671 . 
  120. ↑ Saxton, David, et al. "Análisis de las capacidades de razonamiento matemático de los modelos neuronales". Conferencia Internacional sobre Representaciones de Aprendizaje . 2018.
  121. 1 2 Godfrey, JJ; Holliman, EC; McDaniel, J. (1992). "SWITCHBOARD: Corpus de voz telefónica para investigación y desarrollo" . [ Actas ] ICASSP-92: Conferencia Internacional IEEE de 1992 sobre Acústica, Habla y Procesamiento de Señales . IEEE. págs. 517–520 vol.1. doi : 10.1109/icassp.1992.225858 . ISBN  0-7803-0532-9.
  122. 1 2 "Switchboard-1 Release 2 - Linguistic Data Consortium" . catalog.ldc.upenn.edu . Consultado el 30 de noviembre de 2024 .
  123. ^ M. Versteegh, R. Thiollière, T. Schatz, X.-N. Cao, X. Anguera, A. Jansen y E. Dupoux (2015). "El desafío del habla con recursos cero 2015", en INTERSPEECH-2015.
  124. ^ M. Versteegh, X. Anguera, A. Jansen y E. Dupoux, (2016). " The Zero Resource Speech Challenge 2015: enfoques y resultados propuestos ", en SLTU-2016.
  125. ↑ Sakar, Betul Erdogdu; et al. (2013). "Recopilación y análisis de un conjunto de datos de habla de Parkinson con múltiples tipos de grabaciones de sonido". IEEE Journal of Biomedical and Health Informatics . 17 (4): 828– 834. Bibcode : 2013IJBHI..17..828S . doi : 10.1109/jbhi.2013.2245674 . PMID 25055311 . S2CID 15491516 .   
  126. ↑ Zhao, Shunan; Rudzicz, Frank; Carvalho, Leonardo G.; Marquez-Chin, Cesar; Livingstone, Steven (2014). "Detección automática de la emoción expresada en la enfermedad de Parkinson". 2014 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) . pp. 4813–4817 . doi : 10.1109/ICASSP.2014.6854516 . ISBN  978-1-4799-2893-4.
  127. ↑ Hammami, Nacereddine; Bedda, Mouldi (julio de 2010). «Modelo de árbol mejorado para el reconocimiento de voz en árabe». 3.ª Conferencia Internacional de Ciencias de la Computación y Tecnologías de la Información de 2010. págs. 521–526 . doi : 10.1109/ICCSIT.2010.5563892 . ISBN  978-1-4244-5537-9.
  128. ↑ Maaten, Laurens. " Aprendizaje de núcleos de Fisher discriminativos ". Actas de la 28.ª Conferencia Internacional sobre Aprendizaje Automático (ICML-11) . 2011.
  129. ↑ Cole, Ronald y Mark Fanty. " Reconocimiento de letras habladas ". Actas del Tercer Taller de Habla y Lenguaje Natural de DARPA . 1990.
  130. ↑ Chapelle, Olivier; Sindhwani, Vikas; Keerthi, Sathiya S. (2008). "Técnicas de optimización para máquinas de vectores de soporte semisupervisadas" (PDF) . The Journal of Machine Learning Research . 9 : 203–233 .
  131. ↑ Kudo, Mineichi; Toyama, Jun; Shimbo, Masaru (noviembre de 1999). "Clasificación de curvas multidimensionales mediante regiones de paso". Pattern Recognition Letters . 20 ( 11–13 ): 1103–1111 . Bibcode : 1999PaReL..20.1103K . doi : 10.1016/s0167-8655(99)00077-x .
  132. ↑ Jaeger, Herbert; Lukoševičius, Mantas; Popovici, Dan; Siewert, Udo (abril de 2007). "Optimización y aplicaciones de redes de estado de eco con neuronas integradoras con fugas". Neural Networks . 20 (3): 335– 352. Bibcode : 2007NN.....20..335J . doi : 10.1016/j.neunet.2007.04.016 . PMID 17517495 . 
  133. ↑ Tsanas, A.; Little, MA; McSharry, PE; Ramig, LO (abril de 2010). "Telemonitoreo preciso de la progresión de la enfermedad de Parkinson mediante pruebas de habla no invasivas". IEEE Transactions on Biomedical Engineering . 57 (4): 884– 893. Bibcode : 2010ITBE...57..884T . doi : 10.1109/tbme.2009.2036000 . PMID 19932995 . 
  134. ↑ Clifford, Gari D.; Clifton, David (2012). "Tecnología inalámbrica en el manejo de enfermedades y medicina". Annual Review of Medicine . 63 : 479–492 . doi : 10.1146/annurev-med-051210-114650 . PMID 22053737 . 
  135. ↑ Zue, Victor; Seneff, Stephanie; Glass, James (1990). "Desarrollo de bases de datos de voz en el MIT: TIMIT y más allá". Speech Communication . 9 (4): 351– 356. doi : 10.1016/0167-6393(90)90010-7 .
  136. ↑ Kapadia, S.; Valtchev, V.; Young, SJ (1993). "Entrenamiento MMI para el reconocimiento continuo de fonemas en la base de datos TIMIT". Conferencia Internacional IEEE sobre Acústica, Habla y Procesamiento de Señales . págs. 491–494 vol.2. doi : 10.1109/ICASSP.1993.319349 . ISBN  0-7803-0946-4.
  137. ↑ Halabi, Nawar (2016). Fonética árabe estándar moderna para síntesis de voz (PDF) (Tesis doctoral). Universidad de Southampton , Facultad de Electrónica e Informática.
  138. ↑ Ardila, Rosana; Branson, Megan; Davis, Kelly; Henretty, Michael; Kohler, Michael; Meyer, Josh; Morais, Reuben; Saunders, Lindsay; Tyers, Francis M.; Weber, Gregor (13 de diciembre de 2019). "Voz común: un corpus de habla masivamente multilingüe". arXiv : 1912.06670v2 [ cs.CL ].
  139. ↑ "El conjunto de datos de voz de LJ" . keithito.com . Consultado el 13 de abril de 2022 .
  140. ↑ Ghandoura, Abdulkader; Hjabo, Farouk; Al Dakkak, Oumayma (junio de 2021). "Creación y evaluación comparativa de un conjunto de datos de comandos de voz en árabe para la detección de palabras clave con un tamaño reducido". Aplicaciones de ingeniería de la inteligencia artificial . 102 104267. doi : 10.1016/j.engappai.2021.104267 .
  141. ↑ Zhou, Fang; Claire, Q.; King, Ross D. (2014). "Predicción del origen geográfico de la música". 2014 IEEE International Conference on Data Mining . pp. 1115–1120 . doi : 10.1109/ICDM.2014.73 . ISBN  978-1-4799-4302-9.
  142. ↑ Saccenti, Edoardo; Camacho, José (2015). "Sobre el uso de la operación k-fold por observación en la validación cruzada de PCA". Journal of Chemometrics . 29 (8): 467– 478. doi : 10.1002/cem.2726 . hdl : 10481/55302 . S2CID 62248957 . 
  143. ↑ Bertin-Mahieux, Thierry, et al. «El conjunto de datos de un millón de canciones». ISMIR 2011: Actas de la 12.ª Conferencia Internacional de la Sociedad para la Recuperación de Información Musical, 24-28 de octubre de 2011, Miami, Florida . Universidad de Miami, 2011.
  144. ↑ Henaff, Mikael; et al. (2011). "Aprendizaje no supervisado de características dispersas para clasificación de audio escalable" (PDF) . ISMIR . 11 . 
  145. ↑ Rafii, Zafar (2017). "Música". MUSDB18 – un corpus para la separación de música . doi : 10.5281/zenodo.1117372 .
  146. ^ Defferrard, Michael; Benzi, Kirell; Vandergheynst, Pierre; Bresson, Xavier (6 de diciembre de 2016). "FMA: un conjunto de datos para el análisis musical". arXiv : 1612.01840 [ cs.SD ].
  147. ↑ Esposito, Roberto; Radicioni, Daniele P. (2009). "Carpediem: Optimización del algoritmo de Viterbi y aplicaciones al aprendizaje secuencial supervisado" (PDF) . The Journal of Machine Learning Research . 10 : 1851–1880 .
  148. ↑ Sourati, Jamshid; et al. (2016). "Clasificación Aprendizaje Activo Basado en Información Mutua" . Entropía . 18 (2): 51. Bibcode : 2016Entrp..18...51S . doi : 10.3390/e18020051 . 
  149. ↑ Salamon, Justin; Jacoby, Christopher; Bello, Juan Pablo. " Un conjunto de datos y una taxonomía para la investigación del sonido urbano ". Actas de la Conferencia Internacional ACM sobre Multimedia . ACM, 2014.
  150. ↑ Lagrange, Mathieu; Lafay, Grégoire; Rossignol, Mathias; Benetos, Emmanouil; Roebel, Axel (2015). "Un marco de evaluación para la detección de eventos utilizando un modelo morfológico de escenas acústicas". arXiv : 1502.00141 [ stat.ML ].
  151. ↑ Gemmeke, Jort F., et al. "Audio Set: Una ontología y un conjunto de datos etiquetados por humanos para eventos de audio." Conferencia Internacional IEEE sobre Acústica, Habla y Procesamiento de Señales (ICASSP). 2017.
  152. ↑ "¡Atención, observadores de aves!: La inteligencia artificial ha aprendido a identificar aves por sus cantos" . Ciencia | AAAS . 18 de julio de 2018. Consultado el 22 de julio de 2018 .
  153. ↑ "Desafío de detección de audio de aves" . Laboratorio de escucha automática de la Universidad Queen Mary . 3 de mayo de 2016. Consultado el 22 de julio de 2018 .
  154. ↑ Wichern, Gordon; Antognini, Joe; Flynn, Michael; Licheng Richard Zhu; McQuinn, Emmett; Crow, Dwight; Manilow, Ethan; Jonathan Le Roux (2019). "WHAM!: Extending Speech Separation to Noisy Environments". arXiv : 1907.01160 [ cs.SD ].
  155. ↑ Drossos, K., Lipping, S. y Virtanen, T. "Clotho: Un conjunto de datos para subtitulado de audio" Conferencia Internacional IEEE sobre Acústica, Habla y Procesamiento de Señales (ICASSP). 2020.
  156. ^ Drossos, K., Lipping, S. y Virtanen, T. (2019). Conjunto de datos de Cloto (Versión 1.0) [Conjunto de datos]. Zenodo . http://doi.org/10.5281/zenodo.3490684
  157. ↑ "Conjunto de datos de audio para aprendizaje automático e IA" . Pro Sound Effects . Consultado el 18 de junio de 2026 .
  158. ↑ El conjunto de datos CAIDA UCSD sobre el gusano ingenioso – 19–24 de marzo de 2004, http://www.caida.org/data/passive/witty_worm_dataset.xml
  159. ↑ Chen, Zesheng; Ji, Chuanyi (2007). "Método óptimo de escaneo de gusanos utilizando distribuciones de host vulnerables". International Journal of Security and Networks . 2 (1/2): 71. doi : 10.1504/IJSN.2007.012826 .
  160. ↑ Kachuee, Mohamad; Kiani, Mohammad Mahdi; Mohammadzade, Hoda; Shabany, Mahdi (2015). "Estimación de la presión arterial sin manguito, de alta precisión y sin calibración, mediante el tiempo de tránsito del pulso". Simposio Internacional IEEE de Circuitos y Sistemas (ISCAS) de 2015. págs. 1006–1009 . doi : 10.1109/ISCAS.2015.7168806 . ISBN  978-1-4799-8391-9.
  161. ↑ Goldberger, Ary L.; Amaral, Luis AN; Glass, Leon; Hausdorff, Jeffrey M.; Ivanov, Plamen Ch.; Mark, Roger G.; Mietus, Joseph E.; Moody, George B.; Peng, Chung-Kang; Stanley, H. Eugene (13 de junio de 2000). "PhysioBank, PhysioToolkit y PhysioNet: componentes de un nuevo recurso de investigación para señales fisiológicas complejas". Circulation . 101 (23): E215-20. Bibcode : 2000Circu.101.e215G . doi : 10.1161/01.CIR.101.23.e215 . PMID 10851218 . 
  162. ↑ Vergara, Alexander; et al. (2012). "Compensación de la deriva de sensores de gases químicos mediante conjuntos de clasificadores". Sensors and Actuators B: Chemical . 166 : 320–329 . Bibcode : 2012SeAcB.166..320V . doi : 10.1016/j.snb.2012.01.074 . 
  163. ↑ Korotcenkov, G.; Cho, BK (2014). "Enfoques de ingeniería para la mejora de los parámetros de los sensores de gas conductimétricos. Parte 2: Disminución de la potencia disipada (consumible) y mejora de la estabilidad y la fiabilidad". Sensores y Actuadores B: Química . 198 : 316–341 . Bibcode : 2014SeAcB.198..316K . doi : 10.1016/j.snb.2014.03.069 .
  164. ↑ Quinlan, John R (1992). "Aprendizaje con clases continuas" (PDF) . 5.ª Conferencia Conjunta Australiana sobre Inteligencia Artificial . 92 .
  165. ↑ Merz, Christopher J.; Pazzani, Michael J. (1999). "Un enfoque de componentes principales para combinar estimaciones de regresión" . Machine Learning . 36 ( 1–2 ): 9–32 . doi : 10.1023/a:1007507221352 .
  166. ↑ Torres-Sospedra, Joaquín, et al. "UJIIndoorLoc-Mag: Una nueva base de datos para problemas de localización basados ​​en campos magnéticos." Conferencia Internacional sobre Posicionamiento y Navegación en Interiores (IPIN), 2015. IEEE, 2015.
  167. ↑ Berkvens, Rafael, Maarten Weyn y Herbert Peremans. « Información mutua media de la localización probabilística por Wi-Fi ». Conferencia Internacional de Posicionamiento y Navegación en Interiores (IPIN), 2015. Banff, Canadá: IPIN . 2015.
  168. ^ Paschke, Fabián y col. "Sensorlose Zustandsüberwachung an Synchronmotoren." Actas. 23. Taller de Inteligencia Computacional, Dortmund, 5.-6. Diciembre de 2013 . KIT de publicaciones científicas, 2013.
  169. ↑ Lessmeier, Christian, et al. " Adquisición de datos y análisis de señales a partir de corrientes de motor medidas para la detección de defectos en sistemas de accionamiento electromecánicos ."
  170. ↑ Ugulino, Wallace, et al. " Computación portátil: clasificación de datos de posturas y movimientos corporales mediante acelerómetros . Archivado el 25 de septiembre de 2020 en Wayback Machine ". Advances in Artificial Intelligence-SBIA 2012. Springer Berlin Heidelberg, 2012. 52–61.
  171. ↑ Schneider, Jan; et al. (2015). "Aumentando los sentidos: una revisión sobre el apoyo al aprendizaje basado en sensores" . Sensors . 15 ( 2): 4097– 4133. Bibcode : 2015Senso..15.4097S . doi : 10.3390/s150204097 . PMC 4367401. PMID 25679313 .   
  172. ↑ Madeo, Renata CB, Clodoaldo AM Lima y Sarajane M. Peres. « Segmentación de unidades gestuales mediante máquinas de vectores de soporte: segmentación de gestos a partir de posiciones de reposo ». Actas del 28.º Simposio Anual de la ACM sobre Computación Aplicada . ACM, 2013.
  173. ↑ Lun, Roanna; Zhao, Wenbing (2015). "Un estudio de aplicaciones y reconocimiento de movimiento humano con Microsoft Kinect" . Revista Internacional de Reconocimiento de Patrones e Inteligencia Artificial . 29 (5): 1555008. doi : 10.1142/s0218001415550083 .
  174. ↑ Theodoridis, Theodoros; Huosheng Hu (2007). "Clasificación de acciones de modelos humanos 3D mediante redes neuronales artificiales dinámicas para la vigilancia con robots móviles". 2007 IEEE International Conference on Robotics and Biomimetics (ROBIO) . pp. 371–376 . doi : 10.1109/ROBIO.2007.4522190 . ISBN  978-1-4244-1761-2.
  175. ↑ Etemad, Seyed Ali; Arya, Ali (2009). "Reconocimiento de acciones humanas en 3D y transformación de estilo mediante redes neuronales de retropropagación resilientes". 2009 IEEE International Conference on Intelligent Computing and Intelligent Systems . pp. 296–301 . doi : 10.1109/ICICISYS.2009.5357690 . ISBN  978-1-4244-4754-1.
  176. ↑ Altun, Kerem; Barshan, Billur; Tunçel, Orkun (2010). "Estudio comparativo sobre la clasificación de actividades humanas con sensores inerciales y magnéticos en miniatura". Pattern Recognition . 43 (10): 3605– 3620. Bibcode : 2010PatRe..43.3605A . doi : 10.1016/j.patcog.2010.04.019 . hdl : 11693/11947 .
  177. ↑ Nathan, Ran ; et al. (2012). "Uso de datos de aceleración triaxial para identificar modos de comportamiento de animales en libertad: conceptos generales y herramientas ilustradas para buitres leonados" . The Journal of Experimental Biology . 215 (6): 986– 996. Bibcode : 2012JExpB.215..986N . doi : 10.1242/jeb.058602 . PMC 3284320. PMID 22357592 .   
  178. ↑ Anguita, Davide, et al. " Reconocimiento de la actividad humana en teléfonos inteligentes mediante una máquina de vectores de soporte multiclase compatible con hardware ". Vida asistida ambiental y atención domiciliaria . Springer Berlin Heidelberg, 2012. 216–223.
  179. ↑ Su, Xing; Tong, Hanghang; Ji, Ping (2014). "Reconocimiento de actividad con sensores de teléfonos inteligentes". Ciencia y Tecnología de Tsinghua . 19 (3): 235– 249. doi : 10.1109/tst.2014.6838194 . S2CID 62751498 . 
  180. ↑ Kadous, Mohammed Waleed. Clasificación temporal: Ampliación del paradigma de clasificación a series temporales multivariadas . Tesis doctoral. Universidad de Nueva Gales del Sur, 2002.
  181. ↑ Graves, Alex, et al. " Clasificación temporal conexionista: etiquetado de datos de secuencias no segmentadas con redes neuronales recurrentes ". Actas de la 23.ª conferencia internacional sobre aprendizaje automático . ACM, 2006.
  182. ↑ Velloso, Eduardo, et al. " Reconocimiento cualitativo de la actividad en ejercicios de levantamiento de pesas ". Actas de la 4.ª Conferencia Internacional sobre Humanos Aumentados . ACM, 2013.
  183. ↑ Mortazavi, Bobak Jack, et al. " Determinación del mejor eje único para el reconocimiento y conteo de repeticiones de ejercicio en relojes inteligentes. Archivado el 4 de noviembre de 2021 en Wayback Machine ". Wearable and Implantable Body Sensor Networks (BSN), 11.ª Conferencia Internacional de 2014. IEEE, 2014.
  184. ↑ Sapsanis, Christos, et al. " Mejora de la clasificación de movimientos básicos de la mano basada en EMG mediante EMD ". Engineering in Medicine and Biology Society (EMBC), 35.ª Conferencia Internacional Anual del IEEE , 2013. IEEE, 2013.
  185. 1 2 Andrianesis, Konstantinos; Tzes, Anthony (2015). "Desarrollo y control de una mano protésica multifuncional con actuadores de aleación con memoria de forma". Journal of Intelligent & Robotic Systems . 78 (2): 257– 289. doi : 10.1007/s10846-014-0061-6 . S2CID 207174078 . 
  186. ↑ Banos, Oresti; et al. (2014). "Cómo abordar los efectos del desplazamiento del sensor en el reconocimiento de actividad portátil" . Sensors . 14 ( 6): 9995– 10023. Bibcode : 2014Senso..14.9995B . doi : 10.3390/s140609995 . PMC 4118358. PMID 24915181 .   
  187. ^ Stisen, Allan; Blunck, Henrik; Bhattacharya, Sourav; Prentow, Thor Siiger; Kjærgaard, Mikkel Baun; Dey, Anind; Sonne, Tobías; Jensen, Mads Moller (2015). "Los dispositivos inteligentes son diferentes: evaluación y mitigación de heterogeneidades de detección móvil para el reconocimiento de actividades". Actas de la 13ª Conferencia ACM sobre sistemas de sensores integrados en red . págs. 127-140 . doi : 10.1145/2809695.2809718 . ISBN  978-1-4503-3631-4.
  188. ↑ Bhattacharya, Sourav; Lane, Nicholas D. (2016). "De lo inteligente a lo profundo: Reconocimiento robusto de actividad en relojes inteligentes mediante aprendizaje profundo" . 2016 IEEE International Conference on Pervasive Computing and Communication Workshops (PerCom Workshops) . pp. 1–6 . doi : 10.1109/PERCOMW.2016.7457169 . ISBN  978-1-5090-1941-0.
  189. ↑ Bacciu, Davide; et al. (2014). "Una caracterización experimental de la computación de reservorio en aplicaciones de vida asistida ambiental". Neural Computing and Applications . 24 (6): 1451– 1464. doi : 10.1007/s00521-013-1364-4 . hdl : 11568/237959 . S2CID 14124013 .  
  190. ↑ Palumbo, Filippo; Barsocchi, Paolo; Gallicchio, Claudio; Chessa, Stefano; Micheli, Alessio (2013). "Fusión de datos multisensor para el reconocimiento de actividades basado en computación de reservorio". Evaluación de sistemas AAL mediante evaluación comparativa competitiva . Communications in Computer and Information Science. Vol. 386. pp. 24–35 . doi : 10.1007/978-3-642-41043-7_3 . ISBN   978-3-642-41042-0.
  191. ↑ Reiss, Attila; Stricker, Didier (2012). «Introducción a un nuevo conjunto de datos de referencia para la monitorización de la actividad». 16.º Simposio Internacional sobre Ordenadores Portátiles de 2012. págs. 108-109 . doi : 10.1109/ISWC.2012.13 . ISBN  978-0-7695-4697-1.
  192. ↑ Roggen, Daniel; Forster, Kilian; Calatroni, Alberto; Holleczek, Thomas; Fang, Yu; Troster, Gerhard; Ferscha, Alois; Holzmann, Clemens; Riener, Andreas; Lukowicz, Paul; Pirkl, Gerald; Bannach, David; Kunze, Kai; Chavarriaga, Ricardo; Millan, Jose del R. (2009). "OPPORTUNITY: Towards opportunistic activity and context recognition systems" . 2009 IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks & Workshops . pp. 1–6 . doi : 10.1109/WOWMOM.2009.5282442 . ISBN  978-1-4244-4440-3.
  193. ↑ Kurz, Marc, et al. " Cuantificación dinámica de las capacidades de reconocimiento de actividad en sistemas oportunistas ". Conferencia de Tecnología Vehicular (VTC Primavera), 73.ª IEEE, 2011. IEEE, 2011.
  194. ↑ Sztyler, Timo; Stuckenschmidt, Heiner (2016). «Localización corporal de dispositivos portátiles: una investigación sobre el reconocimiento de actividad basado en la posición». 2016 IEEE International Conference on Pervasive Computing and Communications (PerCom) . pp. 1–9 . doi : 10.1109/PERCOM.2016.7456521 . ISBN  978-1-4673-8779-8.
  195. ↑ Zhi, Ying Xuan; Lukasik, Michelle; Li, Michael H.; Dolatabadi, Elham; Wang, Rosalie H.; Taati, Babak (2018). "Detección automática de compensación durante la terapia de rehabilitación robótica de accidentes cerebrovasculares" . IEEE Journal of Translational Engineering in Health and Medicine . 6 : 1–7 . Bibcode : 2018IJTEH...6E0836Z . doi : 10.1109/JTEHM.2017.2780836 . PMC 5788403. PMID 29404226 .  
  196. ↑ Dolatabadi, Elham; Zhi, Ying Xuan; Ye, Bing; Coahran, Marge; Lupinacci, Giorgia; Mihailidis, Alex; Wang, Rosalie; Taati, Babak (2017). "El conjunto de datos de posturas de rehabilitación de accidentes cerebrovasculares de Toronto para detectar la compensación durante la terapia de rehabilitación de accidentes cerebrovasculares". Actas de la 11.ª Conferencia Internacional EAI sobre Tecnologías de Computación Ubicua para la Atención Médica . págs. 375–381 . doi : 10.1145/3154862.3154925 . ISBN  978-1-4503-6363-1.
  197. ↑ "Conjunto de datos de posturas para rehabilitación de accidentes cerebrovasculares de Toronto" .
  198. ↑ Jung, Merel M.; Poel, Mannes; Poppe, Ronald; Heylen, Dirk KJ (marzo de 2017). "Reconocimiento automático de gestos táctiles en el corpus de contacto social". Journal on Multimodal User Interfaces . 11 (1): 81– 96. doi : 10.1007/s12193-016-0232-9 .
  199. ↑ Jung, MM (Merel) (1 de junio de 2016). "Corpus de contacto social (CoST)" . Universidad de Twente. doi : 10.4121/uuid:5ef62345-3b3e-479c-8e1d-c922748c9b29 .
  200. ↑ Aeberhard, S., D. Coomans y O. De Vel. "Comparación de clasificadores en entornos de alta dimensión". Departamento de Estadística Matemática, Universidad James Cook, Norte de Queensland, Australia, Informe técnico 92-02 (1992).
  201. ↑ Basu, Sugato. " Agrupamiento semisupervisado con conocimiento previo limitado ". AAAI . 2004.
  202. ↑ Tüfekci, Pınar (2014). "Predicción de la potencia eléctrica de salida a plena carga de una central eléctrica de ciclo combinado operada a carga base mediante métodos de aprendizaje automático" . International Journal of Electrical Power & Energy Systems . 60 : 126–140 . Bibcode : 2014IJEPE..60..126T . doi : 10.1016/j.ijepes.2014.02.027 .
  203. ↑ Kaya, Heysem, Pınar Tüfekci y Fikret S. Gürgen. «Métodos de aprendizaje local y global para predecir la potencia de una turbina combinada de gas y vapor». Conferencia internacional sobre tendencias emergentes en ingeniería informática y electrónica (ICETCEE'2012), Dubái . 2012.
  204. ↑ Rodríguez, Austin; Smith, Justin S.; Mendoza-Cortés, José L. (2025). "¿Mejoran los datos hessianos el rendimiento de los potenciales de aprendizaje automático?" . Journal of Chemical Theory and Computation . 21 (14): 6698– 6710. arXiv : 2503.07839 . Bibcode : 2025JCTC...21.6698R . doi : 10.1021/acs.jctc.5c00402 . PMC 12288065 . PMID 40601303 .  
  205. ↑ Rodríguez, Austin; Smith, Justin S.; Mendoza-Cortes, José L. (2025). "OpenREACT-CHON-EFH — Conjunto de datos de reacciones abiertas de configuraciones atómicas que comprenden C, H, O, N con energías, fuerzas y hessianos" . 4. Figshare. doi : 10.6084/m9.figshare.29189858.v4 . Recuperado el 30 de mayo de 2025 .
  206. ↑ Baldi, Pierre; Sadowski, Peter; Whiteson, Daniel (2014). "Búsqueda de partículas exóticas en física de altas energías con aprendizaje profundo". Nature Communications . 5 4308: 2014. arXiv : 1402.4735 . Bibcode : 2014NatCo...5.4308B . doi : 10.1038/ncomms5308 . PMID 24986233 . S2CID 195953 .  
  207. 1 2 Baldi, Pierre; Sadowski, Peter; Whiteson, Daniel (2015). "Búsqueda mejorada del bosón de Higgs a τ+ τ− con aprendizaje profundo". Physical Review Letters . 114 (11) 111801. arXiv : 1410.3469 . Bibcode : 2015PhRvL.114k1801B . doi : 10.1103/physrevlett.114.111801 . PMID 25839260 . S2CID 2339142 .  
  208. 1 2 Adam-Bourdarios, C.; Cowan, G.; Germain-Renaud, C.; Guyon, I.; Kégl, B.; Rousseau, D. (2015). "El desafío del aprendizaje automático del bosón de Higgs" . Journal of Physics: Conference Series . 664 (7) 072015. Bibcode : 2015JPhCS.664g2015A . doi : 10.1088/1742-6596/664/7/072015 .
  209. ↑ Baldi, Pierre; Cranmer, Kyle; Faucett, Taylor; Sadowski, Peter; Whiteson, Daniel (2016). "Redes neuronales parametrizadas para física de altas energías" . The European Physical Journal C. 76 ( 5): 235. arXiv : 1601.07913 . Bibcode : 2016EPJC...76..235B . doi : 10.1140/epjc/s10052-016-4099-4 . S2CID 254108545 . 
  210. ↑ Ortigosa, I.; Lopez, R.; Garcia, J. "Un enfoque de redes neuronales para la predicción de la resistencia residual de yates de vela". Actas de la Conferencia Internacional de Ingeniería Marina MARINE . 2007 .
  211. ↑ Gerritsma, J., R. Onnink y A. Versluis. Geometría, resistencia y estabilidad de la serie sistemática de cascos de yates de Delft . Universidad Tecnológica de Delft, 1981.
  212. ↑ Liu, Huan y Hiroshi Motoda. Extracción, construcción y selección de características: una perspectiva de minería de datos . Springer Science & Business Media, 1998.
  213. ↑ Reich, Yoram. Convergencia hacia el conocimiento de diseño ideal mediante el aprendizaje . [Universidad Carnegie Mellon], Centro de Investigación de Diseño de Ingeniería, 1989.
  214. ↑ Todorovski, Ljupčo; Džeroski, Sašo (1999). "Experimentos en aprendizaje de metanivel con ILP" . Principios de minería de datos y descubrimiento de conocimiento . Notas de clase en informática. Vol. 1704. pp. 98–106 . doi : 10.1007/978-3-540-48247-5_11 . ISBN   978-3-540-66490-1. S2CID 39382993 . 
  215. ↑ Wang, Yong. Un nuevo enfoque para ajustar modelos lineales en espacios de alta dimensión . Disertación. Universidad de Waikato, 2000.
  216. ↑ Kibler, Dennis; Aha, David W.; Albert, Marc K. (1989). "Predicción basada en instancias de atributos de valor real" . Inteligencia Computacional . 5 (2): 51– 57. doi : 10.1111/j.1467-8640.1989.tb00315.x . S2CID 40800413 . 
  217. ↑ Palmer, Christopher R.; Faloutsos, Christos (2003). "Similitud externa de atributos categóricos basada en la electricidad". Avances en el descubrimiento de conocimiento y la minería de datos . Notas de clase en ciencias de la computación. Vol. 2637. págs. 486–500 . doi : 10.1007/3-540-36175-8_49 . ISBN   978-3-540-04760-5.
  218. ↑ Tsanas, Athanasios; Xifara, Angeliki (2012). "Estimación cuantitativa precisa del rendimiento energético de edificios residenciales mediante herramientas de aprendizaje automático estadístico". Energy and Buildings . 49 : 560–567 . Bibcode : 2012EneBu..49..560T . doi : 10.1016/j.enbuild.2012.03.003 .
  219. ↑ De Wilde, Pieter (2014). "La brecha entre el rendimiento energético previsto y medido de los edificios: un marco para la investigación". Automation in Construction . 41 : 40–49 . doi : 10.1016/j.autcon.2014.02.009 .
  220. ↑ Brooks, Thomas F., D. Stuart Pope y Michael A. Marcolini. Ruido propio y predicción de perfiles aerodinámicos . Vol. 1218. Administración Nacional de Aeronáutica y del Espacio, Oficina de Gestión, División de Información Científica y Técnica, 1989.
  221. ↑ Draper, David. " Evaluación y propagación de la incertidumbre del modelo ." Journal of the Royal Statistical Society, Serie B (Metodológica) (1995): 45–97.
  222. ↑ Lavine, Michael (1991). "Problemas en la extrapolación ilustrados con datos de juntas tóricas del transbordador espacial". Journal of the American Statistical Association . 86 (416): 919– 921. doi : 10.1080/01621459.1991.10475132 .
  223. ↑ Wang, J.; Yu, B.; Gasser, L. (2002). "Visualización de agrupamiento basada en árboles conceptuales con matrices de similitud sombreadas". 2002 IEEE International Conference on Data Mining, 2002. Actas . págs. 697–700 . doi : 10.1109/ICDM.2002.1184032 . ISBN  0-7695-1754-4.
  224. ↑ Pettengill, Gordon H.; Ford, Peter G.; Johnson, William TK; Raney, R. Keith; Soderblom, Laurence A. (12 de abril de 1991). "Magellan: Rendimiento del radar y productos de datos". Science . 252 (5003): 260– 265. Bibcode : 1991Sci...252..260P . doi : 10.1126/science.252.5003.260 . PMID 17769272 . 
  225. 1 2 Aharonian, F.; et al. (2008). "Espectro de energía de electrones de rayos cósmicos a energías de TeV". Physical Review Letters . 101 (26) 261104. arXiv : 0811.3894 . Bibcode : 2008PhRvL.101z1104A . doi : 10.1103/PhysRevLett.101.261104 . hdl : 2440/51450 . PMID 19437632 . S2CID 41850528 .   
  226. ↑ Bock, RK; et al. (2004). "Métodos para la clasificación de eventos multidimensionales: un estudio de caso utilizando imágenes de un telescopio de rayos gamma Cherenkov". Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment . 516 (2): 511– 528. Bibcode : 2004NIMPA.516..511B . doi : 10.1016/j.nima.2003.08.157 . 
  227. ↑ Li, Jinyan; et al. (2004). "Deeps: Un nuevo sistema de descubrimiento y clasificación perezoso basado en instancias" . Machine Learning . 54 (2): 99– 124. doi : 10.1023/b:mach.0000011804.08528.7d . 
  228. ↑ Villaescusa-Navarro, Francisco; et al., (2022). "The CAMELS Multifield Data Set: Learning the Universe's Fundamental Parameters with Artificial Intelligence" . The Astrophysical Journal Supplement Series . 259 (2): 61. arXiv : 2109.10915 . Bibcode : 2022ApJS..259...61V . doi : 10.3847/1538-4365/ac5ab0 . S2CID 237604997 . 
  229. ↑ Siebert, Lee y Tom Simkin. "Volcanes del mundo: un catálogo ilustrado de volcanes del Holoceno y sus erupciones." (2014).
  230. ↑ Sikora, Marek; Wróbel, Łukasz (2010). "Aplicación de algoritmos de inducción de reglas para el análisis de datos recopilados por sistemas de monitoreo de peligros sísmicos en minas de carbón" . Archives of Mining Sciences . 55 (1): 91–114 .
  231. ↑ Sikora, Marek; Sikora, Beata (2012). "Monitoreo aproximado de peligros naturales". Conjuntos aproximados: métodos seleccionados y aplicaciones en gestión e ingeniería . Procesamiento avanzado de información y conocimiento. págs. 163–179 . doi : 10.1007/978-1-4471-2760-4_10 . ISBN  978-1-4471-2759-8.
  232. ↑ Addor, Nans; Newman, Andrew J.; Mizukami, Naoki; Clark, Martyn P. (20 de octubre de 2017). "El conjunto de datos CAMELS: atributos de la cuenca y meteorología para estudios de muestras grandes" . Hydrology and Earth System Sciences . 21 (10): 5293– 5313. Bibcode : 2017HESS...21.5293A . doi : 10.5194/hess-21-5293-2017 .
  233. ↑ Newman, AJ; Clark, MP; Sampson, K.; Wood, A.; Hay, LE; Bock, A.; Viger, RJ; Blodgett, D.; Brekke, L.; Arnold, JR; Hopson, T.; Duan, Q. (14 de enero de 2015). "Desarrollo de un conjunto de datos hidrometeorológicos a escala de cuenca con una muestra grande para los Estados Unidos continentales: características del conjunto de datos y evaluación de la variabilidad regional en el rendimiento del modelo hidrológico" . Hydrology and Earth System Sciences . 19 (1): 209– 223. Bibcode : 2015HESS...19..209N . doi : 10.5194/hess-19-209-2015 .
  234. ^ Álvarez-Garreton, Camila; Mendoza, Pablo A.; Boisier, Juan Pablo; Addor, Nans; Galleguillos, Mauricio; Zambrano-Bigiarini, Mauricio; Lara, Antonio; Puelma, Cristóbal; Cortés, Gonzalo; Garreaud, René; McPhee, James; Ayala, Álvaro (13 de noviembre de 2018). "El conjunto de datos CAMELS-CL: atributos de cuenca y meteorología para estudios de muestras grandes - conjunto de datos de Chile" . Hidrología y Ciencias del Sistema Terrestre . 22 (11): 5817– 5846. Código bibliográfico : 2018HESS...22.5817A . doi : 10.5194/hess-22-5817-2018 .
  235. ↑ Chagas, Vinícius BP; Chaffe, Pedro LB; Addor, Nans; Fan, Fernando M.; Fleischmann, Ayan S.; Paiva, Rodrigo CD; Siqueira, Vinícius A. (8 de septiembre de 2020). «CAMELS-BR: series temporales hidrometeorológicas y atributos paisajísticos para 897 cuencas de Brasil» . Datos científicos del sistema terrestre . 12 (3): 2075– 2096. Bibcode : 2020ESSD...12.2075C . doi : 10.5194/essd-12-2075-2020 .
  236. ↑ Coxon, Gemma; Addor, Nans; Bloomfield, John P.; Freer, Jim; Fry, Matt; Hannaford, Jamie; Howden, Nicholas JK; Lane, Rosanna; Lewis, Melinda; Robinson, Emma L.; Wagener, Thorsten; Woods, Ross (12 de octubre de 2020). "CAMELS-GB: series temporales hidrometeorológicas y atributos del paisaje para 671 cuencas en Gran Bretaña" . Earth System Science Data . 12 (4): 2459– 2483. Bibcode : 2020ESSD...12.2459C . doi : 10.5194/essd-12-2459-2020 .
  237. ↑ Fowler, Keirnan JA; Acharya, Suwash Chandra; Addor, Nans; Chou, Chihchung; Peel, Murray C. (6 de agosto de 2021). "CAMELS-AUS: series temporales hidrometeorológicas y atributos del paisaje para 222 cuencas en Australia" . Earth System Science Data . 13 (8): 3847–3867 . Bibcode : 2021ESSD...13.3847F . doi : 10.5194/essd-13-3847-2021 .
  238. ↑ Klingler, Christoph; Schulz, Karsten; Herrnegger, Mathew (16 de septiembre de 2021). "LamaH-CE: Datos de muestra amplia para hidrología y ciencias ambientales para Europa Central" . Earth System Science Data . 13 (9): 4529– 4565. Bibcode : 2021ESSD...13.4529K . doi : 10.5194/essd-13-4529-2021 .
  239. ↑ Yeh, I–C (1998). "Modelado de la resistencia del hormigón de alto rendimiento mediante redes neuronales artificiales". Cement and Concrete Research . 28 (12): 1797– 1808. doi : 10.1016/s0008-8846(98)00165-3 .
  240. ↑ Zarandi, MH Fazel; et al. (2008). "Redes neuronales polinomiales difusas para la aproximación de la resistencia a la compresión del hormigón". Applied Soft Computing . 8 (1): 488– 498. Bibcode : 2008ApSoC...8...79S . doi : 10.1016/j.asoc.2007.02.010 . 
  241. ↑ Yeh, I. "Modelado del asentamiento del hormigón con cenizas volantes y superplastificante." Computers and Concrete 5.6 (2008): 559–572.
  242. ↑ Gencel, Osman; et al. (2011). "Comparación de redes neuronales artificiales y enfoques de modelos lineales generales para el análisis del desgaste abrasivo del hormigón". Construction and Building Materials . 25 (8): 3486– 3494. doi : 10.1016/j.conbuildmat.2011.03.040 . 
  243. ↑ Dietterich, Thomas G., et al. " Una comparación del reposo dinámico y la distancia tangente para la predicción de la actividad de fármacos. Archivado el 7 de diciembre de 2019 en Wayback Machine ." Advances in Neural Information Processing Systems (1994): 216–216.
  244. ↑ Buscema, Massimo; Tastle, William J.; Terzi, Stefano (2013). "Meta Net: Una nueva familia de metaclasificadores". Aplicaciones de minería de datos mediante sistemas adaptativos artificiales . págs. 141–182 . doi : 10.1007/978-1-4614-4223-3_5 . ISBN  978-1-4614-4222-6.
  245. ^ Barnard, Amanda; Sol, Baichuan; Motevalli Soumehsaraei, Ben; & Opletal, George (2019): Conjunto de datos de nanopartículas de plata. v3. CSIRO. Recopilación de datos. https://doi.org/10.25919/5d22d20bc543e
  246. ^ Barnard, Amanda; Sol, Baichuan; & Opletal, George (2019): Conjunto de datos de nanopartículas de platino. v2. CSIRO. Recopilación de datos. https://doi.org/10.25919/5d3958d9bf5f7
  247. ↑ Barnard, Amanda; y Opletal, George (2019): Conjunto de datos de nanopartículas de oro. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/5d395ef9a4291
  248. ↑ Barnard, Amanda; y Opletal, George (2019): Conjunto de datos de nanopartículas de rutenio. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/5e30b8fa67484
  249. ↑ Barnard, Amanda; y Opletal, George (2019): Conjunto de datos de nanopartículas de cobre. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/5e30ba386311f
  250. ↑ Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de paladio. v2. CSIRO. Recopilación de datos. https://doi.org/10.25919/epxd-8p61
  251. ↑ Ting, Jonathan; Barnard, Amanda; Opletal, George (2023): Conjunto de datos de nanopartículas de AuCo. v2. CSIRO. Recopilación de datos. https://doi.org/10.25919/7h3x-1343
  252. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de PtCo. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/jzh8-rd31
  253. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de PtAu. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/tdnv-jp30
  254. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de PdPt. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/qced-2e85
  255. ^ Ting, Jonathan; Barnard, Amanda; & Opletal, George (2023): Conjunto de datos de nanopartículas de PdCo. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/az9t-vr97
  256. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de CoPt. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/0bs4-sn79
  257. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de CoPd. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/em3a-9a89
  258. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de CoAu. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/991j-hg07
  259. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de AuPt. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/7zh9-3f67
  260. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de PtPd. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/9sz9-3a85
  261. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de PdAu. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/6ajg-1275
  262. ↑ Ting, Jonathan; Barnard, Amanda; y Opletal, George (2023): Conjunto de datos de nanopartículas de AuPd. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/v0r5-sw08
  263. ↑ Lu, Kaihan; Ting, Jonathan; Barnard, Amanda; & Opletal, George (2023): Conjunto de datos de nanopartículas AuPdPt. v1. CSIRO. Recopilación de datos. https://doi.org/10.25919/psvw-am47
  264. ↑ Amoradnejad, Issa; Amoradnejad, Rahimberdi; et al. (2022). "Conjunto de datos de edad: un conjunto de datos estructurado de propósito general sobre la vida, el trabajo y la muerte de 1,22 millones de personas destacadas" . Actas del taller de la 16.ª Conferencia Internacional AAAI sobre Web y Medios Sociales . 3. ICWSM: 1–4 . doi : 10.36190/2022.82 . S2CID 249668669 .  
  265. ↑ "Conjunto de datos de edad" . GitHub . 7 de junio de 2022.
  266. ↑ "Conjunto de datos sintéticos del fondo de ojo" . Archivado del original el 29 de noviembre de 2021. Consultado el 22 de febrero de 2023 .
  267. ↑ Lo Castro, Dario; et al. (2020). "Un marco visual para crear vasos retinianos fotorrealistas con fines diagnósticos". Journal of Biomedical Informatics . 108 103490. doi : 10.1016/j.jbi.2020.103490 . PMID 32640292 . S2CID 220429697 .   
  268. ↑ Ingber, Lester (1997). "Mecánica estadística de las interacciones neocorticales: indicadores de momentos canónicos de la electroencefalografía". Physical Review E. 55 ( 4): 4578–4593 . arXiv : physics/0001052 . Bibcode : 1997PhRvE..55.4578I . doi : 10.1103/PhysRevE.55.4578 . S2CID 6390999 . 
  269. ↑ Hoffmann, Ulrich; Vesin, Jean-Marc; Ebrahimi, Touradj; Diserens, Karin (enero de 2008). "Una interfaz cerebro-computadora eficiente basada en P300 para sujetos discapacitados" . Journal of Neuroscience Methods . 167 (1): 115– 125. doi : 10.1016/j.jneumeth.2007.03.005 . PMID 17445904 . 
  270. ↑ Donchin, Emanuel; Spencer, Kevin M.; Wijesinghe, Ranjith (2000). "La prótesis mental: evaluación de la velocidad de una interfaz cerebro-computadora basada en P300". IEEE Transactions on Rehabilitation Engineering . 8 (2): 174– 179. Bibcode : 2000ITRE....8..174D . doi : 10.1109/86.847808 . PMID 10896179. S2CID 84043 .  
  271. ↑ Detrano, Robert; et al. (1989). "Aplicación internacional de un nuevo algoritmo de probabilidad para el diagnóstico de la enfermedad de las arterias coronarias". The American Journal of Cardiology . 64 (5): 304– 310. doi : 10.1016/0002-9149(89)90524-9 . PMID 2756873 .  
  272. ↑ Bradley, Andrew P (1997). "El uso del área bajo la curva ROC en la evaluación de algoritmos de aprendizaje automático" (PDF) . Pattern Recognition . 30 (7): 1145– 1159. Bibcode : 1997PatRe..30.1145B . doi : 10.1016/s0031-3203(96)00142-2 . S2CID 13806304 . 
  273. ↑ Street, WN; Wolberg, WH; Mangasarian, OL (1993). "Extracción de características nucleares para el diagnóstico de tumores de mama". En Acharya, Raj S.; Goldgof, Dmitry B. (eds.). Procesamiento de imágenes biomédicas y visualización biomédica . Vol. 1905. pp. 861– 870. doi : 10.1117/12.148698 .  
  274. ↑ Demir, Cigdem; Yener, Bülent (2005). Diagnóstico automatizado del cáncer basado en imágenes histopatológicas: una revisión sistemática (PDF) (Informe). S2CID 8952443 . 
  275. ↑ Abuso de sustancias. "Administración de Servicios de Salud Mental, Resultados de la Encuesta Nacional sobre el Uso de Drogas y la Salud de 2010: Resumen de los hallazgos nacionales, Serie NSDUH H-41, Publicación del HHS n.° (SMA) 11-4658." Rockville, MD: Administración de Servicios de Salud Mental y Abuso de Sustancias 201 (2011).
  276. ↑ Hong, Zi-Quan; Yang, Jing-Yu (1991). "Plano discriminante óptimo para un número pequeño de muestras y método de diseño de clasificador en el plano". Pattern Recognition . 24 (4): 317– 324. Bibcode : 1991PatRe..24..317H . doi : 10.1016/0031-3203(91)90074-f .
  277. 1 2 Li, Jinyan; Wong, Limsoon (2003). "Uso de reglas para analizar datos biomédicos: una comparación entre C4.5 y PCL". Avances en la gestión de la información en la era web . Notas de clase en informática. Vol. 2762. págs. 254–265 . doi : 10.1007/978-3-540-45160-0_25 . ISBN   978-3-540-40715-7.
  278. ↑ Guvenir, HA; Acar, B.; Demiroz, G.; Cekin, A. (1997). "Un algoritmo de aprendizaje automático supervisado para el análisis de arritmias". Computers in Cardiology 1997. pp. 433–436 . doi : 10.1109/CIC.1997.647926 . hdl : 11693/27699 . ISBN  0-7803-4445-6.
  279. ↑ Lagus, Krista; Alhoniemi, Esa; Seppä, Jeremias; Honkela, Antti; Wagner, Paul (2005). "Análisis de grupo de variables independientes en el aprendizaje de representaciones compactas para datos" (PDF) . Conferencia internacional e interdisciplinaria sobre representación y razonamiento adaptativos del conocimiento (AKRR'05), Helsinki, Finlandia, 15-17 de junio de 2005. págs. 49-56 . 
  280. ↑ Strack, Beata; Deshazo, Jonathan P.; Gennings, Chris; Olmo, Juan L.; Ventura, Sebastian; Cios, Krzysztof J.; Clore, John N. (2014). "Impacto de la medición de HbA1c en las tasas de reingreso hospitalario: análisis de 70 000 registros de pacientes de bases de datos clínicas" . BioMed Research International : 1–11 . doi : 10.1155/2014/781670 . PMC 3996476. PMID 24804245 .  
  281. ↑ Rubin, Daniel J (2015). "Reingreso hospitalario de pacientes con diabetes". Current Diabetes Reports . 15 (4) 17: 1– 9. doi : 10.1007/s11892-015-0584-7 . PMID 25712258 . S2CID 3908599 .  
  282. ↑ Antal, Bálint; Hajdu, András (2014). "Un sistema basado en conjuntos para la detección automática de retinopatía diabética". Knowledge-Based Systems . 60 (2014): 20–27 . arXiv : 1410.8576 . Bibcode : 2014arXiv1410.8576A . doi : 10.1016/j.knosys.2013.12.023 . S2CID 13984326 . 
  283. ↑ Haloi, Mrinal (2015). "Detección mejorada de microaneurismas mediante redes neuronales profundas". arXiv : 1505.04424 [ cs.CV ].
  284. ↑ ELIE, Guillaume PATRY, Gervais GAUTHIER, Bruno LAY, Julien ROGER, Damien. "ADCIS Download Third Party: Messidor Database" . adcis.net . Consultado el 25 de febrero de 2018 .{{cite web}}: CS1 maint: varios nombres: lista de autores ( enlace )
  285. ^ Decencière, Etienne; Zhang, Xiwei; Cazuguel, Guy; Lay, Bruno; Cochener, Beatriz; Trone, Carolina; Ganancia, Philippe; Ordóñez, Richard; Massin, Pascale; Erginay, Ali; Charton, Beatriz; Klein, Jean-Claude (26 de agosto de 2014). "Comentarios sobre una base de datos de imágenes distribuida públicamente: la base de datos Messidor". Análisis de imágenes y estereología . 33 (3): 231. doi : 10.5566/ias.1155 .
  286. ↑ Bagirov, AM; Rubinov, AM; Soukhoroukova, NV; Yearwood, J. (junio de 2003). "Clasificación de datos supervisada y no supervisada mediante optimización global y no suave" . Top . 11 (1): 1–75 . doi : 10.1007/bf02578945 .
  287. ↑ Fung, Glenn; Dundar, Murat; Bi, Jinbo; Rao, Bharat (2004). "Un algoritmo iterativo rápido para el discriminante de Fisher utilizando núcleos heterogéneos". En Greiner, Russell; Schuurmans, Dale (eds.). Actas de la Vigésimo Primera Conferencia Internacional sobre Aprendizaje Automático . ACM. p. 40. doi : 10.1145/1015330.1015409 . ISBN  978-1-58113-838-2.
  288. ↑ Quinlan, JR; Compton, PJ; Horn, KA; Lazarus, L. (1987). «Adquisición inductiva del conocimiento: un estudio de caso». En Quinlan, John Ross (ed.). Aplicaciones de los sistemas expertos: Basado en las actas de la Segunda Conferencia Australiana . Turing Institute Press. pp. 137–156 . ISBN  978-0-201-17449-6.
  289. 1 2 Zhi-Hua Zhou; Yuan Jiang (2004). "NeC4.5: C4.5 basado en conjuntos neuronales". IEEE Transactions on Knowledge and Data Engineering . 16 (6): 770– 773. Bibcode : 2004IDSO...16..770Z . doi : 10.1109/tkde.2004.11 .
  290. ↑ Er, Orhan; ​​et al. (2012). "Un enfoque basado en redes neuronales probabilísticas para el diagnóstico de la enfermedad del mesotelioma". Computers & Electrical Engineering . 38 (1): 75– 81. doi : 10.1016/j.compeleceng.2011.09.001 . 
  291. ^ Er, Orhan; Tanrikulu, A. Çetin; Abakay, Abdurrahman (10 de mayo de 2015). "Uso de técnicas de inteligencia artificial para el diagnóstico del mesotelioma pleural maligno". Revista médica Dicle / Dicle Tip Dergisi . 42 (1). doi : 10.5798/diclemedj.0921.2015.01.0520 .
  292. ↑ Li, Michael H.; Mestre, Tiago A.; Fox, Susan H.; Taati, Babak (25 de julio de 2017). "Evaluación basada en la visión del parkinsonismo y la discinesia inducida por levodopa con estimación de postura mediante aprendizaje profundo" . Journal of Neuroengineering and Rehabilitation . 15 (1): 97. arXiv : 1707.09416 . Bibcode : 2017arXiv170709416L . doi : 10.1186/ s12984-018-0446 -z . PMC 6219082. PMID 30400914 .  
  293. ↑ Li, Michael H.; Mestre, Tiago A.; Fox, Susan H.; Taati, Babak (agosto de 2018). "Evaluación automatizada de la discinesia inducida por levodopa: evaluación de la capacidad de respuesta de las características basadas en vídeo". Parkinsonism & Related Disorders . 53 : 42–45 . doi : 10.1016/j.parkreldis.2018.04.036 . PMID 29748112 . 
  294. ↑ "Conjunto de datos de estimación de pose basada en visión para la enfermedad de Parkinson | Kaggle" . kaggle.com . Consultado el 22 de agosto de 2018 .
  295. ↑ Shannon, Paul; et al. (2003). " Cytoscape: un entorno de software para modelos integrados de redes de interacción biomolecular" . Genome Research . 13 (11): 2498– 2504. doi : 10.1101/gr.1239303 . PMC 403769. PMID 14597658 .   
  296. ↑ Sosnin EI; Vasilev YL; Soloviev RA; Stempkovskiy AL; Telpujov DV; Vasilev AA; Amerikanov AA; Romanov AY (2025). "AlphaDent: un conjunto de datos para la detección automatizada de patologías dentales". Óptica informática . 49 : 6.
  297. ↑ ZFTurbo. "AlphaDent: Un conjunto de datos para la detección automatizada de patologías dentales (Repositorio)" . GitHub . Consultado el 2 de febrero de 2026 .
  298. ↑ Javadi, Soroush; Mirroshandel, Seyed Abolghasem (junio de 2019). "Un nuevo método de aprendizaje profundo para la evaluación automática de imágenes de esperma humano". Computers in Biology and Medicine . 109 : 182–194 . doi : 10.1016/j.compbiomed.2019.04.030 . PMID 31059902 . 
  299. ↑ "soroushj/mhsma-dataset: MHSMA: Conjunto de datos de análisis de morfología de espermatozoides humanos modificados" . github.com . Consultado el 3 de mayo de 2019 .
  300. ↑Clark, David, Zoltan Schreter, and Anthony Adams. "A quantitative comparison of dystal and backpropagation." Proceedings of 1996 Australian Conference on Neural Networks. 1996.
  301. ↑Jiang, Yuan, and Zhi-Hua Zhou. "Editing training data for kNN classifiers with neural network ensemble." Advances in Neural Networks–ISNN 2004. Springer Berlin Heidelberg, 2004. 356–361.
  302. ↑Ontañón, Santiago; Plaza, Enric (2009). "On Similarity Measures Based on a Refinement Lattice". Case-Based Reasoning Research and Development. Lecture Notes in Computer Science. Vol. 5650. pp. 240–255. doi:10.1007/978-3-642-02998-1_18. ISBN 978-3-642-02997-4.
  303. ↑"PLF data inventory". GitHub. 5 November 2021.
  304. ↑Higuera, Clara; Gardiner, Katheleen J.; Cios, Krzysztof J. (2015). "Self-organizing feature maps identify proteins critical to learning in a mouse model of down syndrome". PLOS ONE. 10 (6) e0129126. Bibcode:2015PLoSO..1029126H. doi:10.1371/journal.pone.0129126. PMC 4482027. PMID 26111164.
  305. ↑Ahmed, Md Mahiuddin; et al. (2015). "Protein dynamics associated with failed and rescued learning in the Ts65Dn mouse model of Down syndrome". PLOS ONE. 10 (3) e0119491. Bibcode:2015PLoSO..1019491A. doi:10.1371/journal.pone.0119491. PMC 4368539. PMID 25793384.
  306. ↑Langley, PAT (2014). "Trading off simplicity and coverage in incremental concept learning"(PDF). Machine Learning Proceedings. 1988: 73. Archived from the original(PDF) on 6 August 2019. Retrieved 6 August 2019.
  307. ↑"Mushroom Data Set 2020". mushroom.mathematik.uni-marburg.de. Retrieved 6 April 2021.
  308. ↑ Wagner, Dennis; Heider, Dominik; Hattab, Georges (14 de abril de 2021). "Creación, curación y simulación de datos de hongos para apoyar tareas de clasificación" . Scientific Reports . 11 (1): 8134. Bibcode : 2021NatSR..11.8134W . doi : 10.1038/s41598-021-87602-3 . PMC 8046754. PMID 33854157 .  
  309. ↑ Cortez, Paulo y Aníbal de Jesús Raimundo Morais. "Un enfoque de minería de datos para predecir incendios forestales utilizando datos meteorológicos". (2007).
  310. ↑ Farquad, MAH; Ravi, V.; Raju, S. Bapi (2010). "Métodos híbridos de extracción de reglas basados ​​en regresión de vectores de soporte para pronósticos". Expert Systems with Applications . 37 (8): 5577– 5589. doi : 10.1016/j.eswa.2010.02.055 .
  311. ↑ Fisher, Ronald A (1936). "El uso de mediciones múltiples en problemas taxonómicos". Annals of Eugenics . 7 (2): 179– 188. doi : 10.1111/j.1469-1809.1936.tb02137.x . hdl : 2440/15227 .
  312. ↑ Ghahramani, Zoubin y Michael I. Jordan. " Aprendizaje supervisado a partir de datos incompletos mediante un enfoque EM. Archivado el 22 de abril de 2017 en Wayback Machine ". Advances in neural information processing systems 6. 1994.
  313. ↑ Mallah, Charles; Cope, James; Orwell, James (2013). "Clasificación de hojas de plantas mediante la integración probabilística de características de forma, textura y margen". Computer Graphics and Imaging / 798: Procesamiento de señales, reconocimiento de patrones y aplicaciones . doi : 10.2316/P.2013.798-098 . ISBN 978-0-88986-944-8.
  314. ↑ Yahiaoui, Itheri; Mzoughi, Olfa; Boujemaa, Nozha (2012). "Descriptor de la forma de la hoja para la identificación de especies de árboles". 2012 IEEE International Conference on Multimedia and Expo . pp. 254–259 . doi : 10.1109/ICME.2012.130 . ISBN  978-1-4673-1659-0.
  315. ↑ Tan, Ming; Eshelman, Larry (1988). "Uso de redes ponderadas para representar el conocimiento de clasificación en dominios ruidosos". Actas de Aprendizaje Automático 1988. págs. 121–134 . doi : 10.1016/B978-0-934613-64-4.50018-9 . ISBN  978-0-934613-64-4.
  316. ↑ Charytanowicz, Małgorzata, et al. " Algoritmo completo de agrupamiento por gradiente para el análisis de características de imágenes de rayos X ". Tecnologías de la información en biomedicina . Springer Berlin Heidelberg, 2010. 15–24.
  317. ↑ Sánchez, Mauricio A.; et al. (2014). "Algoritmo de agrupamiento gravitacional granular difuso para datos multivariados". Information Sciences . 279 : 498–511 . doi : 10.1016/j.ins.2014.04.005 . 
  318. ↑ Blackard, Jock A.; Dean, Denis J. (diciembre de 1999). "Precisión comparativa de redes neuronales artificiales y análisis discriminante en la predicción de tipos de cobertura forestal a partir de variables cartográficas". Computers and Electronics in Agriculture . 24 (3): 131– 151. Bibcode : 1999CEAgr..24..131B . doi : 10.1016/s0168-1699(99)00046-0 .
  319. ↑ Fürnkranz, Johannes (2001). "Round Robin Rule Learning" (PDF) . En Danyluk, Andrea Pohoreckyj; Brodley, Carla E. (eds.). Machine Learning: Proceedings of the Eighteenth International Conference (ICML 2001): Williams College, 28 de junio - 1 de julio de 2001. Morgan Kaufmann Publishers. pp. 146–153 . ISBN  978-1-55860-778-1.
  320. ↑ Li, Song; Assmann, Sarah M.; Albert, Réka (2006). "Predicción de componentes esenciales de redes de transducción de señales: un modelo dinámico de señalización de ácido abscísico de células guardianas" . PLOS Biol . 4 (10) e312. arXiv : q-bio/0610012 . Bibcode : 2006q.bio....10012L . doi : 10.1371/journal.pbio.0040312 . PMC 1564158. PMID 16968132 .  
  321. ↑ Munisami, Trishen; et al. (2015). "Reconocimiento de hojas de plantas mediante características de forma e histograma de color con clasificadores de k vecinos más cercanos" . Procedia Computer Science . 58 : 740–747 . doi : 10.1016/j.procs.2015.08.095 . 
  322. ↑ Li, Bai (2016). "Coincidencia de potencial atómico: un enfoque evolutivo de reconocimiento de objetivos basado en características de borde". Optik . 127 (5): 3162– 3168. Bibcode : 2016Optik.127.3162L . doi : 10.1016/j.ijleo.2015.11.186 .
  323. ↑ Razavian, Ali, et al. " Características de CNN listas para usar: una base asombrosa para el reconocimiento ". Actas de los Talleres de la Conferencia IEEE sobre Visión por Computadora y Reconocimiento de Patrones . 2014.
  324. ↑ Nilsback, Maria-Elena y Andrew Zisserman. « Un vocabulario visual para la clasificación de flores ». Conferencia de la Sociedad de Computación IEEE sobre Visión por Computadora y Reconocimiento de Patrones, 2006. Vol. 2. IEEE, 2006.
  325. ↑ Giselsson, Thomas M.; et al. (2017). "Una base de datos pública de imágenes para la evaluación comparativa de algoritmos de clasificación de plántulas de plantas". arXiv : 1711.05458 [ cs.CV ]. 
  326. ^ Oltean, Mihai (2017). "Conjunto de datos de Fruits-360" . GitHub .
  327. ↑ Old, Richard (2024). "Conjunto de datos de Weed-ID.App" .
  328. ↑ Rahman, Abdur; Lu, Yuzhen; Wang, Haifeng (febrero de 2023). "Evaluación del rendimiento de detectores de objetos de aprendizaje profundo para la detección de malezas en algodón". Tecnología Agrícola Inteligente . 3 100126. doi : 10.1016/j.atech.2022.100126 .
  329. ↑ Nakai, Kenta; Kanehisa, Minoru (1991). "Sistema experto para predecir sitios de localización de proteínas en bacterias gramnegativas". Proteins: Structure, Function, and Bioinformatics . 11 (2): 95– 110. doi : 10.1002/prot.340110203 . PMID 1946347 . S2CID 27606447 .  
  330. ↑ Ling, Charles X., et al. " Árboles de decisión con costos mínimos ". Actas de la vigésimo primera conferencia internacional sobre aprendizaje automático . ACM, 2004.
  331. ^ Mahé, Pierre; Arsac, Maud; Chatellier, Sonia; Monnin, Valérie; Perrot, Nadine; Mailer, Sandrine; Girard, Victoria; Ramjeet, Mahendrasingh; Surre, Jérémy; Lacroix, Bruno; van Belkum, Alex; Veyrieras, Jean-Baptiste (mayo de 2014). "Identificación automática de huellas dactilares de especies bacterianas mixtas en un espectro de masas MALDI-TOF". Bioinformática . 30 (9): 1280–1286 . doi : 10.1093/bioinformatics/btu022 . PMID 24443381 . 
  332. ↑ Barbano, Duane; et al. (2015). "Caracterización rápida de microalgas y mezclas de microalgas mediante espectrometría de masas de tiempo de vuelo con ionización/desorción láser asistida por matriz (MALDI-TOF MS)" . PLOS ONE . 10 (8) e0135337. Bibcode : 2015PLoSO..1035337B . doi : 10.1371/journal.pone.0135337 . PMC 4536233. PMID 26271045 .   
  333. ↑ Horton, Paul; Nakai, Kenta (1996). "Un sistema de clasificación probabilística para predecir los sitios de localización celular de las proteínas" (PDF) . Actas de ISMB-96 . 4 : 109–15 . PMID 8877510. Archivado del original (PDF) el 4 de noviembre de 2021. Recuperado el 6 de agosto de 2019 . 
  334. ↑ Allwein, Erin L.; Schapire, Robert E.; Singer, Yoram (2001). "Reducción de multiclase a binario: un enfoque unificador para clasificadores de margen" (PDF) . The Journal of Machine Learning Research . 1 : 113–141 .
  335. ↑ Mayr, Andreas; Klambauer, Guenter; Unterthiner, Thomas; Hochreiter, Sepp (2016). "DeepTox: Predicción de toxicidad mediante aprendizaje profundo" . Frontiers in Environmental Science . 3 : 80. Bibcode : 2016FrEnS...3...80M . doi : 10.3389/fenvs.2015.00080 .
  336. ↑ Lavin, Alexander; Ahmad, Subutai (12 de octubre de 2015). «Evaluación de algoritmos de detección de anomalías en tiempo real: el conjunto de datos de referencia de anomalías de Numenta». 2015 IEEE 14.ª Conferencia Internacional sobre Aprendizaje Automático y Aplicaciones (ICMLA) . págs. 38-44 . arXiv : 1510.03336 . doi : 10.1109/ICMLA.2015.141 . ISBN  978-1-5090-0287-0. S2CID 6842305 . 
  337. ↑ Iurii D. Katser; Vyacheslav O. Kozitsin. "Repositorio SKAB GitHub" . GitHub . Consultado el 12 de enero de 2021 .
  338. ↑ Iurii D. Katser; Vyacheslav O. Kozitsin (2020). "Parámetro de referencia de anomalías de Skoltech (SKAB)" . Kaggle. doi : 10.34740/KAGGLE/DSV/1693952 . Consultado el 12 de enero de 2021 .{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  339. ↑ Campos, Guilherme O.; Zimek, Arthur; Sander, Jörg; Campello, Ricardo JGB; Micenková, Barbora; Schubert, Erich; Assent, Ira; Houle, Michael E. (julio de 2016). "Sobre la evaluación de la detección no supervisada de valores atípicos: medidas, conjuntos de datos y un estudio empírico". Data Mining and Knowledge Discovery . 30 (4): 891– 927. doi : 10.1007/s10618-015-0444-8 .
  340. ↑ Goh, Jonathan; Adepu, Sridhar; Junejo, Khurum Nazir; Mathur, Aditya (2017). "Un conjunto de datos para apoyar la investigación en el diseño de sistemas seguros de tratamiento de agua" . En Havarneanu, Grigore; Setola, Roberto; Nassopoulos, Hypatia; Wolthusen, Stephen (eds.). Seguridad de las infraestructuras de información críticas . Lecture Notes in Computer Science. Vol. 10242. Cham: Springer International Publishing. pp. 88–99 . doi : 10.1007/978-3-319-71368-7_8 . ISBN   978-3-319-71368-7.
  341. ↑ Ann-Kathrin Hartmann, Tommaso Soru, Edgard Marx. Generación de un gran conjunto de datos para la respuesta a preguntas neuronales sobre la base de conocimientos DBpedia . 2018.
  342. ^ Soru, Tommaso; Marx, Edgard; Moussallem, Diego; Publio, Gustavo; Valdestilhas, André; Esteves, Diego; Neto, Ciro Barón (2017). SPARQL como lengua extranjera (preimpresión). arXiv : 1708.07624 .
  343. ^ Kiet Van Nguyen, Duc-Vu Nguyen, Anh Gia-Tuan Nguyen, Ngan Luu-Thuy Nguyen. "Un conjunto de datos vietnamita para evaluar la comprensión de la lectura automática" . COLECCIÓN 2020.
  344. ↑ 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 : 201404–201417 . Bibcode : 2020IEEEA...8t1404N . doi : 10.1109/ACCESS.2020.3035701 .
  345. ^ Ananta, Raviteja; Vakulenko, Svitlana; Tu, Zhucheng; Longpre, Shayne; Pulman, Stephen; Chappidi, Srinivas (2020). "La respuesta a preguntas de dominio abierto se vuelve conversacional mediante la reescritura de preguntas". arXiv : 2010.04898 [ cs.IR ].
  346. ↑ Khashabi, Daniel; Min, Sewon; Khot, Tushar; Sabharwal, Ashish; Tafjord, Oyvind; Clark, Peter; Hajishirzi, Hannaneh (noviembre de 2020). "UNIFIEDQA: Cruzando límites de formato con un único sistema QA" . Hallazgos de la Asociación para la Lingüística Computacional: EMNLP 2020. En línea: Asociación para la Lingüística Computacional: 1896–1907 . arXiv : 2005.00700 . doi : 10.18653/v1/2020.findings-emnlp.171 . S2CID 218487109 . 
  347. ↑ Taskmaster , Google Research Datasets, 17 de diciembre de 2022 , consultado el 7 de enero de 2023
  348. ^ Byrne, Bill; Krishnamoorthi, Karthik; Sankar, Chinnadhurai; Neelakantan, Arvind; Duckworth, Daniel; Yavuz, Semih; Goodrich, Ben; Dubey, Amit; Cedilnik, Andy; Kim, Kyu-Young (1 de septiembre de 2019). "Taskmaster-1: hacia un conjunto de datos de diálogo diverso y realista". arXiv : 1909.05358 [ cs.CL ].
  349. ↑ google-research-datasets/Taskmaster , Conjuntos de datos de investigación de Google, 19 de mayo de 2025 , consultado el 28 de mayo de 2025
  350. ↑ Yasunaga, Michihiro; Liang, Percy (21 de noviembre de 2020). "Reparación de programas auto-supervisada basada en grafos a partir de retroalimentación de diagnóstico" . Conferencia Internacional sobre Aprendizaje Automático . PMLR: 10799–10808 . arXiv : 2005.10636 .
  351. ^ Wang, Yizhong; Mishra, Swaroop; Alipoormolabashi, Pegah; Kordi, Yeganeh; Mirzaei, Amirreza; Arunkumar, Anjana; Ashok, Arjun; Dhanasekaran, Arut Selvan; Naik, Atharva; Stap, David; Pathak, Eshaan; Karamanolakis, Giannis; Lai, Haizhi Gary; Purohit, Ishan; Mondal, Ishani (24 de octubre de 2022). "Super-NaturalInstructions: Generalización mediante instrucciones declarativas en más de 1600 tareas de PNL". arXiv : 2204.07705 [ cs.CL ].
  352. ↑ allenai/natural-instructions , Ai2, 28 de mayo de 2025 , consultado el 28 de mayo de 2025
  353. ↑Paperno, Denis; Kruszewski, Germán; Lazaridou, Angeliki; Pham, Ngoc Quan; Bernardi, Raffaella; Pezzelle, Sandro; Baroni, Marco; Boleda, Gemma; Fernández, Raquel (August 2016). "The LAMBADA dataset: Word prediction requiring a broad discourse context". Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). Berlin, Germany: Association for Computational Linguistics: 1525–1534. doi:10.18653/v1/P16-1144. hdl:10230/32702. S2CID 2381275.
  354. ↑Paperno, Denis; Kruszewski, Germán; Lazaridou, Angeliki; Pham, Quan Ngoc; Bernardi, Raffaella; Pezzelle, Sandro; Baroni, Marco; Boleda, Gemma; Fernández, Raquel (7 August 2016), The LAMBADA dataset, doi:10.5281/zenodo.2630551, retrieved 28 May 2025
  355. ↑Wei, Jason; Bosma, Maarten; Zhao, Vincent; Guu, Kelvin; Yu, Adams Wei; Lester, Brian; Du, Nan; Dai, Andrew M.; Le, Quoc V. (10 February 2022). Finetuned Language Models are Zero-Shot Learners (Preprint). arXiv:2109.01652.
  356. ↑google-research/FLAN, Google Research, 27 May 2025, retrieved 28 May 2025
  357. ↑"Working with ATT&CK | MITRE ATT&CK®". attack.mitre.org. Retrieved 14 January 2023.
  358. ↑"CAPEC - Common Attack Pattern Enumeration and Classification (CAPEC™)". capec.mitre.org. Retrieved 14 January 2023.
  359. ↑"CVE - Home". cve.mitre.org. Retrieved 14 January 2023.
  360. ↑"CWE - Common Weakness Enumeration". cwe.mitre.org. Retrieved 14 January 2023.
  361. ↑Lim, Swee Kiat; Muis, Aldrian Obaja; Lu, Wei; Ong, Chen Hui (July 2017). "MalwareTextDB: A Database for Annotated Malware Articles". Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). Vancouver, Canada: Association for Computational Linguistics: 1557–1567. doi:10.18653/v1/P17-1143. S2CID 7816596.
  362. ↑"USENIX". USENIX. Retrieved 19 January 2023.
  363. ↑"APTnotes | Read the Docs". readthedocs.org. Retrieved 19 January 2023.
  364. ↑"Cryptography and Security authors/titles recent submissions". arxiv.org. Retrieved 19 January 2023.
  365. ↑"Holistic Info-Sec for Web Developers - Fascicle 0". f0.holisticinfosecforwebdevelopers.com. Retrieved 20 January 2023.
  366. ↑"Holistic Info-Sec for Web Developers - Fascicle 1". f1.holisticinfosecforwebdevelopers.com. Retrieved 20 January 2023.
  367. ↑Vincent, Adam. "Web Services Web Services Hacking and Hardening"(PDF). owasp.org.
  368. ↑McCray, Joe. "Advanced SQL Injection"(PDF). defcon.org.
  369. ↑Shah, Shreeraj. "Blind SQL injection discovery & exploitation technique"(PDF). blueinfy.com.
  370. ↑Palcer, C. C. "Ethical hacking"(PDF). textfiles.
  371. ↑"Hacking Secrets Revealed - Information and Instructional Guide"(PDF).
  372. ↑Park, Alexis. "Hack any website"(PDF).
  373. ↑Cerrudo, Cesar; Martinez Fayo, Esteban. "Hacking Databases for Owning your Data"(PDF). blackhat.
  374. ↑O'Connor, Tj. "Violent Python-A Cookbook for Hackers, Forensic Analysts, Penetration Testers and Security Engineers"(PDF). Github.
  375. ↑Grand, Joe. "Hardware Reverse Engineering: Access, Analyze, & Defeat"(PDF). blackhat.
  376. ↑Chang, Jason V. "Computer Hacking: Making the Case for National Reporting Requirement"(PDF). cyber.harvard.edu.
  377. ↑"National Cybersecurity Strategies Repository". ITU. Retrieved 20 January 2023.
  378. ↑Chen, Yanlin (31 August 2022), Cyber Security Natural Language Processing, retrieved 20 January 2023
  379. ↑Zampieri, Marcos; Malmasi, Shervin; Nakov, Preslav; Rosenthal, Sara; Farra, Noura; Kumar, Ritesh (16 April 2019). "Predicting the Type and Target of Offensive Posts in Social Media". arXiv:1902.09666 [cs.CL].
  380. ↑"Threat reports". www.ncsc.gov.uk. Retrieved 20 January 2023.
  381. ↑"Category: APT reports | Securelist". securelist.com. Retrieved 23 January 2023.
  382. ↑"Your Cybersecurity News Connection - Cyber News | CyberWire". The CyberWire. Retrieved 23 January 2023.
  383. ↑"News". 21 August 2016. Retrieved 23 January 2023.
  384. ↑"Cybernews". Cybernews.
  385. ↑"BleepingComputer". BleepingComputer. Retrieved 23 January 2023.
  386. ↑"Homepage". The Record from Recorded Future News. Retrieved 23 January 2023.
  387. ↑"HackRead | Latest Cyber Crime - InfoSec- Tech - Hacking News". 8 January 2022. Retrieved 23 January 2023.
  388. ↑"Securelist | Kaspersky's threat research and reports". securelist.com. Retrieved 31 January 2023.
  389. ↑Harshaw, Christopher R.; Bridges, Robert A.; Iannacone, Michael D.; Reed, Joel W.; Goodall, John R. (5 April 2016). "GraphPrints". Proceedings of the 11th Annual Cyber and Information Security Research Conference. CISRC '16. New York, NY, USA: Association for Computing Machinery. pp. 1–4. doi:10.1145/2897795.2897806. ISBN 978-1-4503-3752-6.
  390. ↑"Farsight Security, cyber security intelligence solutions". Farsight Security. Retrieved 13 February 2023.
  391. ↑"Schneier on Security". www.schneier.com. Retrieved 13 February 2023.
  392. ↑"#1 in Cloud Security & Endpoint Cybersecurity". Trend Micro. Retrieved 13 February 2023.
  393. ↑"The Hacker News | #1 Trusted Cybersecurity News Site". The Hacker News. Retrieved 13 February 2023.
  394. ↑"Krebs on Security – In-depth security news and investigation". Retrieved 25 February 2023.
  395. ↑"MITRE D3FEND Knowledge Graph". d3fend.mitre.org. Retrieved 31 March 2023.
  396. ↑"MITRE | ATLAS™". atlas.mitre.org. Retrieved 31 March 2023.
  397. ↑"MITRE Engage™ | An Adversary Engagement Framework from MITRE". Retrieved 1 April 2023.
  398. ↑"Hacking Tutorials - The best Step-by-Step Hacking Tutorials". Hacking Tutorials. Retrieved 1 April 2023.
  399. ↑"TCFD Knowledge Hub". TCFD Knowledge Hub. Retrieved 3 February 2023.
  400. ↑"ResponsibilityReports.com". www.responsibilityreports.com. Retrieved 3 February 2023.
  401. ↑"About — IPCC". Retrieved 20 February 2023.
  402. ↑"Alliance for Research on Corporate Sustainability | ARCS serves as a vehicle for advancing rigorous academic research on corporate sustainability issues". corporate-sustainability.org. Retrieved 2 March 2023.
  403. ↑Mehra, Srishti; Louka, Robert; Zhang, Yixun (2022). "ESGBERT: Language Model to Help with Classification Tasks Related to Companies' Environmental, Social, and Governance Practices". Embedded Systems and Applications. pp. 183–190. doi:10.5121/csit.2022.120616. ISBN 978-1-925953-65-7.
  404. ↑ This article incorporates text available under the CC BY 4.0 license.
  405. ↑Diggelmann, Thomas; Boyd-Graber, Jordan; Bulian, Jannis; Ciaramita, Massimiliano; Leippold, Markus (2 January 2021). "CLIMATE-FEVER: A Dataset for Verification of Real-World Climate Claims". arXiv:2012.00614 [cs.CL].
  406. ↑"climate-news-db". www.climate-news-db.com. Retrieved 3 February 2023.
  407. ↑"Climatext". www.sustainablefinance.uzh.ch. Retrieved 19 February 2023.
  408. ↑"Greenbiz". www.greenbiz.com. Retrieved 2 March 2023.
  409. ↑"Explore the @Reuters Hot List of 1,000 top climate scientists". Reuters. Retrieved 22 March 2023.
  410. ↑"Blogs | Alliance for Research on Corporate Sustainability". corporate-sustainability.org. Retrieved 27 March 2023.
  411. ↑"Greenbiz". www.greenbiz.com. Retrieved 29 March 2023.
  412. ↑"CSR News". www.csrwire.com. Retrieved 29 March 2023.
  413. ↑"CDP Homepage". www.cdp.net. Retrieved 29 March 2023.
  414. ↑de Vries, Harm (2022). "The Stack: 3 TB of permissively licensed source code". arXiv:2211.15533 [cs.CL].
  415. ↑"The Stack Dedup". Huggingface. June 2023. Retrieved 29 August 2023.
  416. ↑Goodarzi, Arash Torabi (2025). "LEMUR Neural Network Dataset: Towards Seamless AutoML". arXiv:2504.10552 [cs.CL].
  417. ↑"Hybrid cloud blog". content.cloud.redhat.com. Retrieved 9 April 2023.
  418. ↑"Production-Grade Container Orchestration". Kubernetes. Retrieved 9 April 2023.
  419. ↑"Home | Official Red Hat OpenShift Documentation". docs.openshift.com. Retrieved 9 April 2023.
  420. ↑"Cloud Native Computing Foundation". Cloud Native Computing Foundation. Retrieved 9 April 2023.
  421. ↑CNCF Community Presentations, Cloud Native Computing Foundation (CNCF), 11 April 2023, retrieved 11 April 2023
  422. ↑"Red Hat - We make open source technologies for the enterprise". www.redhat.com. Retrieved 1 May 2023.
  423. ↑Brown, Michael Scott; Pelosi, Michael J.; Dirska, Henry (2013). "Dynamic-Radius Species-Conserving Genetic Algorithm for the Financial Forecasting of Dow Jones Index Stocks". Machine Learning and Data Mining in Pattern Recognition. Lecture Notes in Computer Science. Vol. 7988. pp. 27–41. doi:10.1007/978-3-642-39712-7_3. ISBN 978-3-642-39711-0.
  424. ↑Shen, Kao-Yi; Tzeng, Gwo-Hshiung (2015). "Fuzzy Inference-Enhanced VC-DRSA Model for Technical Analysis: Investment Decision Aid". International Journal of Fuzzy Systems. 17 (3): 375–389. doi:10.1007/s40815-015-0058-8. S2CID 68241024.
  425. ↑Quinlan, J. R. (September 1987). "Simplifying decision trees". International Journal of Man-Machine Studies. 27 (3): 221–234. doi:10.1016/s0020-7373(87)80053-6. hdl:1721.1/6453.
  426. ↑Hamers, Bart; Suykens, Johan AK; De Moor, Bart (2003). "Coupled transductive ensemble learning of kernel models"(PDF). Journal of Machine Learning Research. 1: 1–48.
  427. ↑Shmueli, Galit; Russo, Ralph P.; Jank, Wolfgang (December 2007). "The BARISTA: A model for bid arrivals in online auctions". The Annals of Applied Statistics. 1 (2). doi:10.1214/07-AOAS117.
  428. ↑Peng, Jie; Müller, Hans-Georg (September 2008). "Distance-based clustering of sparsely observed stochastic processes, with applications to online auctions". The Annals of Applied Statistics. 2 (3). doi:10.1214/08-AOAS172.
  429. ↑Eggermont, Jeroen; Kok, Joost N.; Kosters, Walter A. (2004). "Genetic Programming for data classification: Partitioning the search space". Proceedings of the 2004 ACM symposium on Applied computing. pp. 1001–1005. doi:10.1145/967900.968104. ISBN 978-1-58113-812-2.
  430. ↑Moro, Sérgio; Cortez, Paulo; Rita, Paulo (2014). "A data-driven approach to predict the success of bank telemarketing". Decision Support Systems. 62: 22–31. doi:10.1016/j.dss.2014.03.001. hdl:10071/9499. S2CID 14181100.
  431. ↑Payne, Richard D.; Mallick, Bani K. (2014). "Bayesian Big Data Classification: A Review with Complements". arXiv:1411.5653 [stat.ME].
  432. ↑Akbilgic, Oguz; Bozdogan, Hamparsum; Balaban, M. Erdal (2014). "A novel Hybrid RBF Neural Networks model as a forecaster". Statistics and Computing. 24 (3): 365–375. doi:10.1007/s11222-013-9375-7. S2CID 17764829.
  433. ↑Jabin, Suraiya (20 August 2014). "Stock Market Prediction using Feed-forward Artificial Neural Network". International Journal of Computer Applications. 99 (9): 4–8. Bibcode:2014IJCA...99i...4J. doi:10.5120/17399-7959.
  434. ↑Yeh, I-Cheng; Che-hui, Lien (2009). "The comparisons of data mining techniques for the predictive accuracy of probability of default of credit card clients". Expert Systems with Applications. 36 (2): 2473–2480. doi:10.1016/j.eswa.2007.12.020. S2CID 15696161.
  435. ↑Lin, Shu Ling (2009). "A new two-stage hybrid approach of credit risk in banking industry". Expert Systems with Applications. 36 (4): 8333–8341. doi:10.1016/j.eswa.2008.10.015.
  436. ↑Xu, Yumo; Cohen, Shay B. (2018). "Stock Movement Prediction from Tweets and Historical Prices". Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers). pp. 1970–1979. doi:10.18653/v1/P18-1183.
  437. ↑Pelckmans, Kristiaan; et al. (2005). "The differogram: Non-parametric noise variance estimation and its use for model selection". Neurocomputing. 69 (1): 100–122. doi:10.1016/j.neucom.2005.02.015.
  438. ↑Bay, Stephen D.; Kibler, Dennis; Pazzani, Michael J.; Smyth, Padhraic (December 2000). "The UCI KDD archive of large data sets for data mining research and experimentation". ACM SIGKDD Explorations Newsletter. 2 (2): 81–85. doi:10.1145/380995.381030.
  439. ↑Lucas, D. D.; et al. (2015). "Designing optimal greenhouse gas observing networks that consider performance and cost". Geoscientific Instrumentation, Methods and Data Systems. 4 (1): 121. Bibcode:2015GI......4..121L. doi:10.5194/gi-4-121-2015.
  440. ↑Pales, Jack C.; Keeling, Charles D. (1965). "The concentration of atmospheric carbon dioxide in Hawaii". Journal of Geophysical Research. 70 (24): 6053–6076. Bibcode:1965JGR....70.6053P. doi:10.1029/jz070i024p06053.
  441. ↑Sigillito, Vincent G., et al. "Classification of radar returns from the ionosphere using neural networks." Johns Hopkins APL Technical Digest10.3 (1989): 262–266.
  442. ↑Zhang, Kun; Fan, Wei (March 2008). "Forecasting skewed biased stochastic ozone days: analyses, solutions and beyond". Knowledge and Information Systems. 14 (3): 299–326. doi:10.1007/s10115-007-0095-1.
  443. ↑Reich, Brian J.; Fuentes, Montserrat; Dunson, David B. (March 2011). "Bayesian Spatial Quantile Regression". Journal of the American Statistical Association. 106 (493): 6–20. Bibcode:2011JASA..106....6R. doi:10.1198/jasa.2010.ap09237. PMC 3583387. PMID 23459794.
  444. ↑Kohavi, Ron (1996). "Scaling Up the Accuracy of Naive-Bayes Classifiers: A Decision-Tree Hybrid". KDD. 96.
  445. ↑Oza, Nikunj C., and Stuart Russell. "Experimental comparisons of online and batch versions of bagging and boosting." Proceedings of the seventh ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2001.
  446. ↑Bay, Stephen D. (November 2001). "Multivariate Discretization for Set Mining". Knowledge and Information Systems. 3 (4): 491–512. doi:10.1007/pl00011680.
  447. ↑Ruggles, Steven (1995). "Sample designs and sampling errors". Historical Methods. 28 (1): 40–46. doi:10.1080/01615440.1995.9955312.
  448. ↑Meek, Christopher, Bo Thiesson, and David Heckerman. "The Learning Curve Method Applied to Clustering." AISTATS. 2001.
  449. ↑Fanaee-T, Hadi; Gama, Joao (2013). "Event labeling combining ensemble detectors and background knowledge". Progress in Artificial Intelligence. 2 (2–3): 113–127. doi:10.1007/s13748-013-0040-3. S2CID 3345087.
  450. ↑Giot, Romain; Cherrier, Raphael (2014). "Predicting bikeshare system usage up to one day ahead". 2014 IEEE Symposium on Computational Intelligence in Vehicles and Transportation Systems (CIVTS)(PDF). pp. 22–29. doi:10.1109/CIVTS.2014.7009473. ISBN 978-1-4799-4497-2.
  451. ↑Zhan, Xianyuan; et al. (2013). "Urban link travel time estimation using large-scale taxi data with partial information". Transportation Research Part C: Emerging Technologies. 33: 37–49. Bibcode:2013TRPC...33...37Z. doi:10.1016/j.trc.2013.04.001.
  452. ↑Moreira-Matias, Luis; et al. (2013). "Predicting taxi–passenger demand using streaming data". IEEE Transactions on Intelligent Transportation Systems. 14 (3): 1393–1402. Bibcode:2013ITITr..14.1393M. doi:10.1109/tits.2013.2262376. S2CID 14764358.
  453. ↑Hwang, Ren-Hung; Hsueh, Yu-Ling; Chen, Yu-Ting (2015). "An effective taxi recommender system based on a spatio-temporal factor analysis model". Information Sciences. 314: 28–40. doi:10.1016/j.ins.2015.03.068.
  454. ↑H. V. Jagadish, Johannes Gehrke, Alexandros Labrinidis, Yannis Papakonstantinou, Jignesh M. Patel, Raghu Ramakrishnan, and Cyrus Shahabi. Big data and its technical challenges. Commun. ACM, 57(7):86–94, July 2014.
  455. ↑Caltrans PeMS
  456. ↑Meusel, Robert, et al. "The Graph Structure in the Web—Analyzed on Different Aggregation Levels."The Journal of Web Science 1.1 (2015).
  457. ↑Kushmerick, Nicholas (1999). "Learning to remove Internet advertisements". Proceedings of the third annual conference on Autonomous Agents. pp. 175–181. doi:10.1145/301136.301186. ISBN 978-1-58113-066-9.
  458. ↑Fradkin, Dmitriy; Madigan, David (2003). "Experiments with random projections for machine learning". Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining. pp. 517–522. doi:10.1145/956750.956812. ISBN 978-1-58113-737-8.
  459. ↑This data was used in the American Statistical Association Statistical Graphics and Computing Sections 1999 Data Exposition.
  460. ↑Ma, Justin; Saul, Lawrence K.; Savage, Stefan; Voelker, Geoffrey M. (2009). "Identifying suspicious URLs: An application of large-scale online learning". Proceedings of the 26th Annual International Conference on Machine Learning. pp. 681–688. doi:10.1145/1553374.1553462. ISBN 978-1-60558-516-1.
  461. ↑Levchenko, K.; Pitsillidis, A.; Chachra, N.; Enright, B.; Felegyhazi, M.; Grier, C.; Halvorson, T.; Kanich, C.; Kreibich, C.; He Liu; McCoy, D.; Weaver, N.; Paxson, V.; Voelker, G. M.; Savage, S. (2011). "Click Trajectories: End-to-End Analysis of the Spam Value Chain". 2011 IEEE Symposium on Security and Privacy. pp. 431–446. doi:10.1109/SP.2011.24. ISBN 978-0-7695-4402-1.
  462. ↑Mohammad, Rami M., Fadi Thabtah, and Lee McCluskey. "An assessment of features related to phishing websites using an automated technique."Internet Technology And Secured Transactions, 2012 International Conference for. IEEE, 2012.
  463. ↑Singh, Ashishkumar; Rumantir, Grace; South, Annie; Bethwaite, Blair (2014). "Clustering Experiments on Big Transaction Data for Market Segmentation". Proceedings of the 2014 International Conference on Big Data Science and Computing. pp. 1–7. doi:10.1145/2640087.2644161. ISBN 978-1-4503-2891-3.
  464. ↑Bollacker, Kurt; Evans, Colin; Paritosh, Praveen; Sturge, Tim; Taylor, Jamie (2008). "Freebase: A collaboratively created graph database for structuring human knowledge". Proceedings of the 2008 ACM SIGMOD international conference on Management of data. pp. 1247–1250. doi:10.1145/1376616.1376746. ISBN 978-1-60558-102-6.
  465. ↑Mintz, Mike, et al. "Distant supervision for relation extraction without labeled data." Proceedings of the Joint Conference of the 47th Annual Meeting of the ACL and the 4th International Joint Conference on Natural Language Processing of the AFNLP: Volume 2-Volume 2. Association for Computational Linguistics, 2009.
  466. ↑Mesterharm, Chris; Pazzani, Michael J. (2011). "Active learning using on-line algorithms". Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining. pp. 850–858. doi:10.1145/2020408.2020553. ISBN 978-1-4503-0813-7.
  467. ↑Wang, Shusen; Zhang, Zhihua (2013). "Improving CUR matrix decomposition and the Nyström approximation via adaptive sampling"(PDF). The Journal of Machine Learning Research. 14 (1): 2729–2769. arXiv:1303.4207. Bibcode:2013arXiv1303.4207W.
  468. 12"The Pile". pile.eleuther.ai. Retrieved 14 April 2022.
  469. ↑"JSON Lines". jsonlines.org. Retrieved 14 April 2022.
  470. ↑Gao, Leo; Biderman, Stella; Black, Sid; Golding, Laurence; Hoppe, Travis; Foster, Charles; Phang, Jason; He, Horace; Thite, Anish; Nabeshima, Noa; Presser, Shawn (31 December 2020). "The Pile: An 800GB Dataset of Diverse Text for Language Modeling". arXiv:2101.00027 [cs.CL].
  471. ↑"OSCAR". oscar-project.org. Retrieved 12 August 2023.
  472. ↑Ortiz Suarez, Pedro, et al. "." Asynchronous Pipeline for Processing Huge Corpora on Medium to Low Resource Infrastructures. CMLC-7, 2019.
  473. ↑Abadji, Julien, et al. "." Towards a Cleaner Document-Oriented Multilingual Crawled Corpus. LREC, 2022.
  474. ↑Cohen, Vanya. "OpenWebTextCorpus". OpenWebTextCorpus. Retrieved 9 January 2023.
  475. ↑"openwebtext · Datasets at Hugging Face". huggingface.co. 16 November 2022. Retrieved 9 January 2023.
  476. ↑Saulnier, Lucile (2023). "The BigScience ROOTS Corpus: A 1.6TB Composite Multilingual Dataset". arXiv:2303.03915 [cs.CL].
  477. ↑"BigScience Data · Datasets at Hugging Face". huggingface.co. 29 August 2023. Retrieved 29 August 2023.
  478. ↑Cattral, Robert; Oppacher, Franz; Deugo, Dwight (2002). "Evolutionary data mining with automatic rule generalization". Recent Advances in Computers, Computing and Communications: 296–300. S2CID 18625415.
  479. ↑Burton, Ariel N.; Kelly, Paul H. J. (August 2006). "Performance prediction of paging workloads using lightweight tracing". Future Generation Computer Systems. 22 (7): 784–793. doi:10.1016/j.future.2006.02.003.
  480. ↑Bain, M.; Muggleton, S. (1994). "Learning Optimal Chess Strategies". Machine Intelligence 13. pp. 291–309. doi:10.1093/oso/9780198538509.003.0012. ISBN 978-0-19-853850-9.
  481. ↑Quinlan, J. Ross (1983). "Learning Efficient Classification Procedures and Their Application to Chess End Games". Machine Learning. pp. 463–482. doi:10.1007/978-3-662-12405-5_15. ISBN 978-3-662-12407-9.
  482. ↑Shapiro, Alen D. (1987). Structured induction in expert systems. Addison-Wesley Longman Publishing Co., Inc.
  483. ↑Matheus, Christopher J.; Rendell, Larry A. (1989). "Constructive Induction on Decision Trees"(PDF). IJCAI. 89. S2CID 11018089.
  484. ↑Belsley, David A., Edwin Kuh, and Roy E. Welsch. Regression diagnostics: Identifying influential data and sources of collinearity. Vol. 571. John Wiley & Sons, 2005.
  485. ↑Ruotsalo, Tuukka; Aroyo, Lora; Schreiber, Guus (2009). "Knowledge-based linguistic annotation of digital cultural heritage collections"(PDF). IEEE Intelligent Systems. 24 (2): 64–75. Bibcode:2009IISys..24b..64R. doi:10.1109/MIS.2009.32. hdl:1871.1/9f6091aa-9596-46a9-9251-f11edeeb28b7. S2CID 6667472. Archived from the original(PDF) on 16 August 2017. Retrieved 6 December 2018.
  486. ↑Li, Lihong; Chu, Wei; Langford, John; Wang, Xuanhui (2011). "Unbiased offline evaluation of contextual-bandit-based news article recommendation algorithms". Proceedings of the fourth ACM international conference on Web search and data mining. pp. 297–306. arXiv:1003.5956. doi:10.1145/1935826.1935878. ISBN 978-1-4503-0493-1.
  487. ↑Yeung, Kam Fung; Yang, Yanyan (2010). "A Proactive Personalized Mobile News Recommendation System". 2010 Developments in E-systems Engineering. pp. 207–212. doi:10.1109/DeSE.2010.40. ISBN 978-1-4244-8044-9.
  488. ↑Gass, Susan E.; Roberts, J. Murray (2006). "The occurrence of the cold-water coral Lophelia pertusa (Scleractinia) on oil and gas platforms in the North Sea: colony growth, recruitment and environmental controls on distribution". Marine Pollution Bulletin. 52 (5): 549–559. Bibcode:2006MarPB..52..549G. doi:10.1016/j.marpolbul.2005.10.002. PMID 16300800.
  489. ↑Gionis, Aristides; Mannila, Heikki; Tsaparas, Panayiotis (March 2007). "Clustering aggregation". ACM Transactions on Knowledge Discovery from Data. 1 (1): 4. doi:10.1145/1217299.1217303.
  490. ↑Obradovic, Zoran, and Slobodan Vucetic.Challenges in Scientific Data Mining: Heterogeneous, Biased, and Large Samples. Technical Report, Center for Information Science and Technology Temple University, 2004.
  491. ↑Van Der Putten, Peter; van Someren, Maarten (2000). "CoIL challenge 2000: The insurance company case". Published by Sentient Machine Research, Amsterdam. Also a Leiden Institute of Advanced Computer Science Technical Report. 9: 1–43.
  492. ↑Mao, K. Z. (2002). "RBF neural network center selection based on Fisher ratio class separability measure". IEEE Transactions on Neural Networks. 13 (5): 1211–1217. Bibcode:2002ITNN...13.1211M. doi:10.1109/tnn.2002.1031953. PMID 18244518.
  493. ↑Olave, Manuel; Rajkovic, Vladislav; Bohanec, Marko (1989). "An application for admission in public school systems"(PDF). Expert Systems in Public Administration. 1: 145–160.
  494. ↑Lizotte, Daniel J.; Madani, Omid; Greiner, Russell (2012). "Budgeted Learning of Naive-Bayes Classifiers". arXiv:1212.2472 [cs.LG].
  495. ↑Lebowitz, Michael (1984). Concept Learning in a Rich Input Domain: Generalization-Based Memory (Report). doi:10.7916/D8KP8990.
  496. ↑Yeh, I-Cheng; Yang, King-Jang; Ting, Tao-Ming (2009). "Knowledge discovery on RFM model using Bernoulli sequence". Expert Systems with Applications. 36 (3): 5866–5871. doi:10.1016/j.eswa.2008.07.018.
  497. ↑Lee, Wen-Chen; Cheng, Bor-Wen (2011). "An intelligent system for improving performance of blood donation". Journal of Quality Vol. 18 (2): 173.
  498. ↑Schmidtmann, Irene, et al. "Evaluation des Krebsregisters NRW Schwerpunkt Record LinkageArchived 6 December 2018 at the Wayback Machine." Abschlußbericht vom 11 (2009).
  499. ↑Sariyar, Murat; Borg, Andreas; Pommerening, Klaus (2011). "Controlling false match rates in record linkage using extreme value theory". Journal of Biomedical Informatics. 44 (4): 648–654. doi:10.1016/j.jbi.2011.02.008. PMID 21352952.
  500. ↑Candillier, Laurent; Lemaire, Vincent (August 2013). "Active learning in the real-world design and analysis of the Nomao challenge". The 2013 International Joint Conference on Neural Networks (IJCNN). Vol. 8. pp. 1–8. doi:10.1109/IJCNN.2013.6706908. ISBN 978-1-4673-6129-3.
  501. ↑Garrido Marquez, Ivan (2013). A domain adaptation method for text classification based on self-adjusted training approach (Thesis).
  502. ↑Nagesh, Harsha S., Sanjay Goil, and Alok N. Choudhary. "Adaptive Grids for Clustering Massive Data Sets." SDM. 2001.
  503. ↑Kuzilek, Jakub, et al. "OU Analyse: analysing at-risk students at The Open University." Learning Analytics Review (2015): 1–16.
  504. ↑Siemens, George, et al. Open Learning Analytics: an integrated & modularized platform. Diss. Open University Press, 2011.
  505. ↑Barlacchi, Gianni; De Nadai, Marco; Larcher, Roberto; Casella, Antonio; Chitic, Cristiana; Torrisi, Giovanni; Antonelli, Fabrizio; Vespignani, Alessandro; Pentland, Alex; Lepri, Bruno (27 October 2015). "A multi-source dataset of urban life in the city of Milan and the Province of Trentino". Scientific Data. 2 (1) 150055. Bibcode:2015NatSD...250055B. doi:10.1038/sdata.2015.55. PMC 4622222. PMID 26528394.
  506. ↑Vanschoren J, van Rijn JN, Bischl B, Torgo L (2013). "OpenML: networked science in machine learning". SIGKDD Explorations. 15 (2): 49–60. arXiv:1407.7722. doi:10.1145/2641190.2641198. S2CID 4977460.
  507. ↑Olson RS, La Cava W, Orzechowski P, Urbanowicz RJ, Moore JH (2017). "PMLB: a large benchmark suite for machine learning evaluation and comparison". BioData Mining. 10 (1) 36. arXiv:1703.00512. Bibcode:2017arXiv170300512O. doi:10.1186/s13040-017-0154-4. PMC 5725843. PMID 29238404.
  508. ↑"Off The Shelf Datasets". appen.com. Appen. Retrieved 30 December 2020.
  509. ↑ «Conjuntos de datos de código abierto» . appen.com . Apéndice . Consultado el 30 de diciembre de 2020 .