Полезные ресурсы

Логотипы

Машинное обучение, вычислительные модели и массивы данных

• Google: массивы видеоданных для машинного обучения
• The UC Irvine Machine Learning Repository
• The Institute for Digital Research and Education (IDRE) Data Analysis Examples
• The Singapore Maritime Dataset (SMD)
• The Open Science Framework
• Nature.com: Массив записей движений глаз при просмотре сложных изображений
• IEEE Xplore Digital Library: Обзор массивов айтрекинг-данных
• MIT Saliency Benchmark: Массив данных по Модели заметности
• LSUN'17: SALICON Saliency Prediction Challenge
• Kaggle: The Home of Data Science & Machine Learning
• Wikimedia IRC
• Russian Sentence Corpus (RSC): Первая база данных движений глаз при чтении на русском языке
• Google data set search
• COCO: база данных обнаружения и сегментации масштабных объектов
• The COCO-Stuff dataset: база данных с аннотациями для каждого изображения
• Базы данных Майкла Дорра (Гарвардский университет)

Образовательные ресурсы

• Open Science Framework: Открытый обучающий курс по составлению когнитивных заданий
• Go Cognitive: материалы по когнитивной психологии и когнитивной нейронауке в свободном доступе для студентов, преподавателей и исследователей
• MILA: Ресурсы Монреальского института обучающихся алгоритмов
• Neuronal Dynamics: бесплатная онлайн-книга о нейронной динамике, содержащая описание слоя "интегрировать-и-сработать" и соответствующих математических моделей
• 3Blue1Brown: серия видео-лекций о нейронных сетях
• An Introduction to Hierarchical Modeling: материалы о моделировании и визуализации данных

Новые и(или) интересные материалы о внимании, зрении и вычислительных моделях

• Ключевые публикации по диффузионным моделям
• Ключевые статьи о глубинном обучении
• Zhang, R. Isola, P., Efros, A.A., Shechtman, E., Wang, O. (2018). The Unreasonable Effectiveness of Deep Features as a Perceptual Metric. arXiv:1801.03924. Видео-ресурс
• Hooge, I., Holmqvist, K., & Nyström, M. (2016). The pupil is faster than the corneal reflection (CR): Are video based pupil-CR eye trackers suitable for studying detailed dynamics of eye movements? Vision Research, 128, 6–18. doi:10.1016/j.visres.2016.09.002
• Itti, L. & Koch, C. (2000). A saliency-based search mechanism for overt and covert shifts of visual attention. Vision Research, 40(10–12), 1489–1506. doi:10.1016/S0042-6989(99)00163-7
• Fatahi, M., Ahmadi, M., Ahmadi, A., Shahsavari, M., & Devienne, P. (2016). Towards an spiking deep belief network for face recognition application. 6th International Conference on Computer and Knowledge Engineering (ICCKE). doi:10.1109/ICCKE.2016.7802132

Разное

• The Neural Network Zoo: Архитектуры нейронных сетей

Полезный код

• Файлы с примерами методов формирования выборки. Бутстрэппинг – метод оценки стандартного отклонения и среднего значения (и других параметров) распределения, основанный на многократной генерации выборок на основании имеющихся данных. Источник кода предоставлен доктором Амелией Хант, Абердинский университет (Великобритания).
    bootstrappercent.m
    permutationData.mat
    permutationExample.m