AdaBoost.M2 Digit Recognition

Geschlossene Gewichtungen AT&T July 1996

Keine Schätzung

Keine Hardwareanforderungen für dieses Modell

Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation
AT&T
Organisationsart
Industry
Land
United States of America
Veröffentlicht
3 July 1996
Autoren
Yoav Freund, Robert E. Schapire

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain
Vision
Aufgabe
Digit recognition

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Trainingsdaten
9,709 tokens

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Warum es verfolgt wird
Highly cited

Also listed in Denis Panjuta's List of 100+ AI Algorithms

Aufzeichnungsgenauigkeit
Confident
Zitationen
12,977

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz
Experiments with a New Boosting Algorithm
Zuletzt aktualisiert
28 November 2025

Was die Zahlen bedeuten

Über dieses Modell

AdaBoost.M2 Digit Recognition wurde veröffentlicht von AT&T, im Land aufgezeichnet als United States of America, während July 1996. Die Kategorie, in die der Herausgeber fällt, ist industry.

Es funktioniert im Bereich von Vision, und wird als die Aufgabe von aufgezeichnet digit recognition.

Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.

Training und Herkunft

Der Trainingssatz lief auf etwa 9,709 Text-Tokens

Es wird aus einem bestimmten Grund im zugrunde liegenden Datensatz verfolgt: highly cited.

Antworten

AdaBoost.M2 Digit Recognition — Häufige Fragen

01

AdaBoost.M2 Digit Recognition— Wer hat es erstellt?

Es wurde veröffentlicht von AT&T, basiert auf United States of America, eine als kategorisierte Organisation industry.

02

AdaBoost.M2 Digit Recognition— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in July 1996. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

03

AdaBoost.M2 Digit Recognition— Wofür wird es verwendet?

Es funktioniert im Bereich von Vision, und wird als Bewältigung der Aufgabe von digit recognition. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.

04

AdaBoost.M2 Digit Recognition— Welche GPU benötige ich, um es auszuführen?

Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.

05

AdaBoost.M2 Digit Recognition— Ist es Open-Source?

Die Lizenzierung wurde nie in unseren Quelldaten aufgezeichnet. Wir behandeln nicht angegebene Lizenzen als geschlossen, da eine nicht aufgezeichnete Lizenz keine ist, auf die man sich verlassen kann.

06

AdaBoost.M2 Digit Recognition— Wie viele Parameter hat es?

Es wurden keine Parameteranzahlen veröffentlicht, weshalb keine Speicher- oder Geschwindigkeitsangaben auf dieser Seite erscheinen.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.