Перегляд вихідного коду сторінки MNIST (база даних)

[[File:MnistExamples.png|thumb|350px|Приклади зображень в базі]]
База даних '''MNIST''' (скорочення від Mixed [[Національний інститут стандартів і технології|National Institute of Standards and Technology]])&nbsp;— об'ємна база даних зразків рукописного написання цифр<ref name=slyusar>{{cite journal|last=Слюсар|first=В.И.|title=Тензорно-матричная версия LeNet5.|journal=IV Міжнародна науково-практична конференція «Інтеграція інформаційних систем і інтелектуальних технологій в умовах трансформації інформаційного суспільства», що присвячена 50-ій річниці кафедри інформаційних систем та технологій, 21-22 жовтня 2021 р., Полтава: Полтавський державний аграрний університет.|year=2021|volume=|issue=|pages=114–119|url=https://slyusar.kiev.ua/Slyusar_Model_LeNet5.pdf|accessdate=30 жовтня 2021|doi=10.32782/978-966-289-562-9|archive-date=2 листопада 2021|archive-url=https://web.archive.org/web/20211102151940/https://slyusar.kiev.ua/Slyusar_Model_LeNet5.pdf}}</ref>. Є стандартом, запропонованим [[Національний інститут стандартів і технології|Національним інститутом стандартів і технологій США]] з метою калібрування і зіставлення методів [[Обробка зображень|розпізнавання зображень]] за допомогою [[Машинне навчання|машинного навчання]], в першу чергу на основі [[Штучні нейронні мережі|штучних нейронних мереж]]<ref>{{cite web|title=Support vector machines speed pattern recognition - Vision Systems Design|url=http://www.vision-systems.com/articles/print/volume-9/issue-9/technology-trends/software/support-vector-machines-speed-pattern-recognition.html|work=Vision Systems Design|accessdate=17 серпня 2013|archive-date=21 вересня 2013|archive-url=https://web.archive.org/web/20130921060857/http://www.vision-systems.com/articles/print/volume-9/issue-9/technology-trends/software/support-vector-machines-speed-pattern-recognition.html}}</ref><ref>{{cite web|last=Gangaputra|first=Sachin|title=Handwritten digit database|url=http://cis.jhu.edu/~sachin/digit/digit.html|accessdate=17 серпня 2013|archive-date=21 вересня 2013|archive-url=https://web.archive.org/web/20130921054447/http://cis.jhu.edu/~sachin/digit/digit.html}}</ref>. База даних містить 60000 зображень для навчання і 10000 зображень для тестування.

Дані складаються з заздалегідь підготовлених прикладів зображень, отриманих з рукописних документів шляхом обробки чорно-білих зразків символів NIST розміром <math>20\times20</math> пікселів. Творці бази даних NIST, в свою чергу, використовували набір зразків з [[Бюро перепису населення США]], до якого були додані ще тестові зразки, написані студентами американських університетів. Зразки з набору з NIST були нормалізовані, пройшли [[Екранне згладжування|згладжування]] та приведення до напівтонового зображенню розміром <math>28\times28</math> пікселів.

Рекордні результати машинного розпізнавання на базі MNIST були досягнуті на [[Згорткова нейронна мережа|згорткових нейронних мережах]], рівень помилки був доведений до 0,23&nbsp;%.

== Результати обробки для різних систем ==
У таблиці наведені приклади результатів [[Машинне навчання|машинного навчання]] в різних системах класифікації зображень.
{| class="wikitable sortable»
|-
! Тип !! Структура !! Спотворення !! Попередня обробка !! Помилка (%)
|-
| [[Лінійний класифікатор]] || Однорівневий [[перцептрон]] || {{No}} || {{No}} || 12.0
|-
| [[Лінійний класифікатор]] || [[Дискримінантний аналіз|Попарний лінійний класифікатор]] || {{No}} || Вирівнювання || 7.6
|-
| [[Метод найближчих k-сусідів]] || К-ПН з нелінійною деформацією (P2DHMDM) || {{No}} || Shiftable edges || 0.52
|-
| {{не перекладено|Метод градієнтного підсилювання||en|Gradient boosting}} || Обробка залишків на основі [[Гаароподібна ознака|гаароподібних ознак]] || {{No}} || [[Гаароподібна ознака]] || 0.87
|-
| Нелінійний класифікатор || 40 PCA + квадратичний класифікатор || {{No}} || {{No}} || 3.3
|-
| [[Метод опорних векторів]] || Віртуальна система [[Метод опорних векторів|опорних векторів]], град-9 поли, 2-пікселя jittered || {{No}} || Вирівнювання || 0.56
|-
| [[Штучна нейронна мережа|Нейронна мережа]] || 2-рівнева мережа 784-800-10 || {{No}} || {{No}} || 1.6
|-
| [[Штучна нейронна мережа|Нейронна мережа]] || 2-рівнева мережа 784-800-10 || Пружні деформації || {{No}} || 0.7
|-
| Глибока [[Штучна нейронна мережа|нейронна мережа]] || 6-рівнева мережа 784-2500-2000-1500-1000-500-10 || Пружні деформації || {{No}} || 0.35
|-
| [[Згорткова нейронна мережа]] || 6-рівнева мережа 784-40-80-500-1000-2000-10 || {{No}} || Розширення даних для навчання || 0.31
|-
| [[Згорткова нейронна мережа]] || 6-рівнева мережа 784-50-100-500-1000-10-10 || {{No}} || Розширення даних для навчання || 0.27
|-
| [[Згорткова нейронна мережа]] || Ансамбль з 35 CNN-мереж, 1-20-С-40-С-150-10 || Пружні деформації || З нормалізацією || 0.23
|-
| [[Згорткова нейронна мережа]] || Ансамбль з 5 CNN-мереж, 6-784-50-100-500-1000-10-10 || рівнів {{No}} || Розширення даних для навчання || 0.21
|}

== Примітки ==
{{reflist}}

== Див. також ==
* [[Список наборів даних для досліджень з машинного навчання]]

== Джерела ==
* [http://yann.lecun.com/exdb/mnist/ MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges] {{Webarchive|url=https://web.archive.org/web/20210407152035/http://yann.lecun.com/exdb/mnist/ |date=7 квітня 2021 }}&nbsp;— Домашня сторінка бази даних
* [http://myselph.de/neuralNet.html Neural Net for Handwritten Digit Recognition in JavaScript] {{Webarchive|url=https://web.archive.org/web/20190328120131/http://myselph.de/neuralNet.html |date=28 березня 2019 }}&nbsp;— Реалізація нейронної мережі на JavaScript для розпізнавання цифр написаних від руки на основі бази MNIST

{{Диференційовні обчислення}}

[[Категорія:Набори даних у машинному навчанні]]