有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
PDB: 3UX9, IFN α-1/13 in complex with ScFv AIFN α 1bScFv01 antibody (310K, 37°C, 100 ns)
收藏DataONE2023-10-14 更新2024-06-08 收录
下载链接：
https://search.dataone.org/view/sha256:1a8f77a54fb4dfd9f86896fdc5295b33cc9b92b1af3fd0478f2daef3e0e323f5
下载链接
链接失效反馈资源简介：
IFN α-1/13 in complex with ScFv AIFN α 1bScFv01 antibody (310K, 37°C, 100 ns). PDBs obtained every 50 ns.
创建时间：
2023-12-16
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
PRBench
PRBench是一个大规模专家标注的专业领域高风险推理基准测试数据集，当前版本覆盖法律和金融领域。包含1,100个专家编写的跨金融和法律领域的对话，19,356个专家策划的评估标准（每个任务10-30条），覆盖114个国家、47个美国司法管辖区和25个专业主题，并包含最具挑战性任务的硬子集（Finance-300, Legal-250）。
github 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。
国家青藏高原科学数据中心 收录
N-MNIST (Neuromorphic-MNIST)
简要说明 Neuromorphic-MNIST (N-MNIST) 数据集是原始基于帧的 MNIST 数据集的尖峰版本。它由与原始 MNIST 数据集相同的 60 000 个训练样本和 10 000 个测试样本组成，并以与原始 MNIST 数据集（28x28 像素）相同的视觉比例捕获。 N-MNIST 数据集是通过将 ATIS 传感器安装在电动云台装置上并让传感器在 LCD 监视器上查看 MNIST 示例时移动来捕获的，如本视频所示。可以在下面的论文中找到对数据集及其创建方式的完整描述。如果您使用数据集，请引用本文。果园，G。科恩，G。贾亚万特，A。和 Thakor, N. “Converting Static Image Datasets to Spiking Neuromorphic Datasets Using Saccades”，《神经科学前沿》，第 9 卷，第 437 期，2015 年 10 月
OpenDataLab 收录
MNIST数据集
数据规模 训练集：60,000 张手写数字图像（28×28 像素灰度图）及对应标签 34。 测试集：10,000 张图像与标签，用于模型评估 68。 数据来源 由美国国家标准与技术研究院（NIST）收集，50% 样本来自高中生手写，50% 来自人口普查局工作人员 48。 经 Yann LeCun 团队标准化处理，成为机器学习基准数据集 1011。
阿里云天池 收录
PASCAL VOC 2007
这个挑战的目标是从现实场景中的许多视觉对象类别中识别对象（即不是预先分割的对象）。它基本上是一个监督学习问题，因为它提供了一组标记图像的训练集。已选择的 20 个对象类别是： 人：人 动物：鸟、猫、牛、狗、马、羊 交通工具：飞机、自行车、船、公共汽车、汽车、摩托车、火车 室内：瓶子、椅子、餐桌、盆栽、沙发、电视/显示器 将有两个主要比赛和两个较小规模的“品酒师”比赛。内容：提供的训练数据由一组图像组成；每个图像都有一个注释文件，为图像中存在的 20 个类别之一中的每个对象提供一个边界框和对象类别标签。请注意，来自多个类的多个对象可能出现在同一图像中。
OpenDataLab 收录