A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | Sub Results | Average Results | ||||||||||||||||||||||||
2 | Method | D_s | D_v | D_t | Accuracy | Method | Mean Test Accuracy | # Experiments | ||||||||||||||||||
3 | 1-NNSVM | MNIST | UniformNoise | NormalNoise | 1 | ODIN/VGG | 0.7866428571 | 308 | ||||||||||||||||||
4 | 1-NNSVM | MNIST | UniformNoise | FashionMNIST | 0.858 | ScoreSVM/VGG | 0.7716623377 | 308 | ||||||||||||||||||
5 | 1-NNSVM | MNIST | UniformNoise | NotMNIST | 0.988 | ODIN/Res | 0.7698733766 | 308 | ||||||||||||||||||
6 | 1-NNSVM | MNIST | UniformNoise | CIFAR10 | 0.985 | Log.SVM/VGG | 0.7467954545 | 308 | ||||||||||||||||||
7 | 1-NNSVM | MNIST | UniformNoise | CIFAR100 | 0.979 | AEThre./BCE | 0.7443019481 | 308 | ||||||||||||||||||
8 | 1-NNSVM | MNIST | UniformNoise | STL10 | 0.983 | MC-Dropout | 0.7347435065 | 308 | ||||||||||||||||||
9 | 1-NNSVM | MNIST | UniformNoise | TinyImagenet | 0.976 | 1-NNSVM | 0.7337402597 | 308 | ||||||||||||||||||
10 | 1-NNSVM | MNIST | NormalNoise | UniformNoise | 1 | 2-NNSVM | 0.7294383117 | 308 | ||||||||||||||||||
11 | 1-NNSVM | MNIST | NormalNoise | FashionMNIST | 0.767 | DeepEns./VGG | 0.7284253247 | 308 | ||||||||||||||||||
12 | 1-NNSVM | MNIST | NormalNoise | NotMNIST | 0.977 | 4-NNSVM | 0.7263733766 | 308 | ||||||||||||||||||
13 | 1-NNSVM | MNIST | NormalNoise | CIFAR10 | 0.966 | PbThresh/VGG | 0.7263409091 | 308 | ||||||||||||||||||
14 | 1-NNSVM | MNIST | NormalNoise | CIFAR100 | 0.958 | 8-NNSVM | 0.7262337662 | 308 | ||||||||||||||||||
15 | 1-NNSVM | MNIST | NormalNoise | STL10 | 0.96 | 4-BNNSVM | 0.7209188312 | 308 | ||||||||||||||||||
16 | 1-NNSVM | MNIST | NormalNoise | TinyImagenet | 0.952 | 8-BNNSVM | 0.7188506494 | 308 | ||||||||||||||||||
17 | 1-NNSVM | MNIST | FashionMNIST | UniformNoise | 0.986 | 2-BNNSVM | 0.7181915584 | 308 | ||||||||||||||||||
18 | 1-NNSVM | MNIST | FashionMNIST | NormalNoise | 0.986 | 1-BNNSVM | 0.7178506494 | 308 | ||||||||||||||||||
19 | 1-NNSVM | MNIST | FashionMNIST | NotMNIST | 0.982 | 1-MNNSVM | 0.7142597403 | 308 | ||||||||||||||||||
20 | 1-NNSVM | MNIST | FashionMNIST | CIFAR10 | 0.983 | 8-MNNSVM | 0.7130681818 | 308 | ||||||||||||||||||
21 | 1-NNSVM | MNIST | FashionMNIST | CIFAR100 | 0.979 | 4-MNNSVM | 0.7125746753 | 308 | ||||||||||||||||||
22 | 1-NNSVM | MNIST | FashionMNIST | STL10 | 0.982 | 2-MNNSVM | 0.711461039 | 308 | ||||||||||||||||||
23 | 1-NNSVM | MNIST | FashionMNIST | TinyImagenet | 0.979 | AEThre./MSE | 0.706275974 | 308 | ||||||||||||||||||
24 | 1-NNSVM | MNIST | NotMNIST | UniformNoise | 0.998 | PbThresh/Res | 0.7048149351 | 308 | ||||||||||||||||||
25 | 1-NNSVM | MNIST | NotMNIST | NormalNoise | 0.998 | ScoreSVM/Res | 0.6987597403 | 308 | ||||||||||||||||||
26 | 1-NNSVM | MNIST | NotMNIST | FashionMNIST | 0.916 | BinClass/Res | 0.6906493506 | 308 | ||||||||||||||||||
27 | 1-NNSVM | MNIST | NotMNIST | CIFAR10 | 0.992 | Log.SVM/Res | 0.6897597403 | 308 | ||||||||||||||||||
28 | 1-NNSVM | MNIST | NotMNIST | CIFAR100 | 0.986 | BinClass/VGG | 0.6881201299 | 308 | ||||||||||||||||||
29 | 1-NNSVM | MNIST | NotMNIST | STL10 | 0.99 | 4-VNNSVM | 0.6653863636 | 308 | ||||||||||||||||||
30 | 1-NNSVM | MNIST | NotMNIST | TinyImagenet | 0.985 | 2-VNNSVM | 0.6599902597 | 308 | ||||||||||||||||||
31 | 1-NNSVM | MNIST | CIFAR10 | UniformNoise | 0.999 | 8-VNNSVM | 0.6577792208 | 308 | ||||||||||||||||||
32 | 1-NNSVM | MNIST | CIFAR10 | NormalNoise | 0.999 | DeepEns./Res | 0.6568279221 | 308 | ||||||||||||||||||
33 | 1-NNSVM | MNIST | CIFAR10 | FashionMNIST | 0.896 | 1-VNNSVM | 0.6515584416 | 308 | ||||||||||||||||||
34 | 1-NNSVM | MNIST | CIFAR10 | NotMNIST | 0.99 | OpenMax/VGG | 0.6230551948 | 308 | ||||||||||||||||||
35 | 1-NNSVM | MNIST | CIFAR10 | CIFAR100 | 0.985 | PixelCNN++ | 0.6074025974 | 308 | ||||||||||||||||||
36 | 1-NNSVM | MNIST | CIFAR10 | STL10 | 0.988 | OpenMax/Res | 0.5844512987 | 308 | ||||||||||||||||||
37 | 1-NNSVM | MNIST | CIFAR10 | TinyImagenet | 0.983 | |||||||||||||||||||||
38 | 1-NNSVM | MNIST | CIFAR100 | UniformNoise | 0.994 | |||||||||||||||||||||
39 | 1-NNSVM | MNIST | CIFAR100 | NormalNoise | 0.994 | |||||||||||||||||||||
40 | 1-NNSVM | MNIST | CIFAR100 | FashionMNIST | 0.934 | |||||||||||||||||||||
41 | 1-NNSVM | MNIST | CIFAR100 | NotMNIST | 0.989 | |||||||||||||||||||||
42 | 1-NNSVM | MNIST | CIFAR100 | CIFAR10 | 0.991 | |||||||||||||||||||||
43 | 1-NNSVM | MNIST | CIFAR100 | STL10 | 0.989 | |||||||||||||||||||||
44 | 1-NNSVM | MNIST | CIFAR100 | TinyImagenet | 0.985 | |||||||||||||||||||||
45 | 1-NNSVM | MNIST | STL10 | UniformNoise | 0.998 | |||||||||||||||||||||
46 | 1-NNSVM | MNIST | STL10 | NormalNoise | 0.998 | |||||||||||||||||||||
47 | 1-NNSVM | MNIST | STL10 | FashionMNIST | 0.908 | |||||||||||||||||||||
48 | 1-NNSVM | MNIST | STL10 | NotMNIST | 0.991 | |||||||||||||||||||||
49 | 1-NNSVM | MNIST | STL10 | CIFAR10 | 0.991 | |||||||||||||||||||||
50 | 1-NNSVM | MNIST | STL10 | CIFAR100 | 0.986 | |||||||||||||||||||||
51 | 1-NNSVM | MNIST | STL10 | TinyImagenet | 0.984 | |||||||||||||||||||||
52 | 1-NNSVM | MNIST | TinyImagenet | UniformNoise | 0.995 | |||||||||||||||||||||
53 | 1-NNSVM | MNIST | TinyImagenet | NormalNoise | 0.995 | |||||||||||||||||||||
54 | 1-NNSVM | MNIST | TinyImagenet | FashionMNIST | 0.933 | |||||||||||||||||||||
55 | 1-NNSVM | MNIST | TinyImagenet | NotMNIST | 0.99 | |||||||||||||||||||||
56 | 1-NNSVM | MNIST | TinyImagenet | CIFAR10 | 0.991 | |||||||||||||||||||||
57 | 1-NNSVM | MNIST | TinyImagenet | CIFAR100 | 0.986 | |||||||||||||||||||||
58 | 1-NNSVM | MNIST | TinyImagenet | STL10 | 0.99 | |||||||||||||||||||||
59 | 2-NNSVM | MNIST | UniformNoise | NormalNoise | 1 | |||||||||||||||||||||
60 | 2-NNSVM | MNIST | UniformNoise | FashionMNIST | 0.822 | |||||||||||||||||||||
61 | 2-NNSVM | MNIST | UniformNoise | NotMNIST | 0.984 | |||||||||||||||||||||
62 | 2-NNSVM | MNIST | UniformNoise | CIFAR10 | 0.978 | |||||||||||||||||||||
63 | 2-NNSVM | MNIST | UniformNoise | CIFAR100 | 0.971 | |||||||||||||||||||||
64 | 2-NNSVM | MNIST | UniformNoise | STL10 | 0.975 | |||||||||||||||||||||
65 | 2-NNSVM | MNIST | UniformNoise | TinyImagenet | 0.966 | |||||||||||||||||||||
66 | 2-NNSVM | MNIST | NormalNoise | UniformNoise | 1 | |||||||||||||||||||||
67 | 2-NNSVM | MNIST | NormalNoise | FashionMNIST | 0.863 | |||||||||||||||||||||
68 | 2-NNSVM | MNIST | NormalNoise | NotMNIST | 0.988 | |||||||||||||||||||||
69 | 2-NNSVM | MNIST | NormalNoise | CIFAR10 | 0.986 | |||||||||||||||||||||
70 | 2-NNSVM | MNIST | NormalNoise | CIFAR100 | 0.979 | |||||||||||||||||||||
71 | 2-NNSVM | MNIST | NormalNoise | STL10 | 0.983 | |||||||||||||||||||||
72 | 2-NNSVM | MNIST | NormalNoise | TinyImagenet | 0.977 | |||||||||||||||||||||
73 | 2-NNSVM | MNIST | FashionMNIST | UniformNoise | 0.975 | |||||||||||||||||||||
74 | 2-NNSVM | MNIST | FashionMNIST | NormalNoise | 0.975 | |||||||||||||||||||||
75 | 2-NNSVM | MNIST | FashionMNIST | NotMNIST | 0.972 | |||||||||||||||||||||
76 | 2-NNSVM | MNIST | FashionMNIST | CIFAR10 | 0.973 | |||||||||||||||||||||
77 | 2-NNSVM | MNIST | FashionMNIST | CIFAR100 | 0.97 | |||||||||||||||||||||
78 | 2-NNSVM | MNIST | FashionMNIST | STL10 | 0.972 | |||||||||||||||||||||
79 | 2-NNSVM | MNIST | FashionMNIST | TinyImagenet | 0.969 | |||||||||||||||||||||
80 | 2-NNSVM | MNIST | NotMNIST | UniformNoise | 0.998 | |||||||||||||||||||||
81 | 2-NNSVM | MNIST | NotMNIST | NormalNoise | 0.998 | |||||||||||||||||||||
82 | 2-NNSVM | MNIST | NotMNIST | FashionMNIST | 0.913 | |||||||||||||||||||||
83 | 2-NNSVM | MNIST | NotMNIST | CIFAR10 | 0.991 | |||||||||||||||||||||
84 | 2-NNSVM | MNIST | NotMNIST | CIFAR100 | 0.986 | |||||||||||||||||||||
85 | 2-NNSVM | MNIST | NotMNIST | STL10 | 0.99 | |||||||||||||||||||||
86 | 2-NNSVM | MNIST | NotMNIST | TinyImagenet | 0.984 | |||||||||||||||||||||
87 | 2-NNSVM | MNIST | CIFAR10 | UniformNoise | 0.998 | |||||||||||||||||||||
88 | 2-NNSVM | MNIST | CIFAR10 | NormalNoise | 0.998 | |||||||||||||||||||||
89 | 2-NNSVM | MNIST | CIFAR10 | FashionMNIST | 0.909 | |||||||||||||||||||||
90 | 2-NNSVM | MNIST | CIFAR10 | NotMNIST | 0.991 | |||||||||||||||||||||
91 | 2-NNSVM | MNIST | CIFAR10 | CIFAR100 | 0.985 | |||||||||||||||||||||
92 | 2-NNSVM | MNIST | CIFAR10 | STL10 | 0.989 | |||||||||||||||||||||
93 | 2-NNSVM | MNIST | CIFAR10 | TinyImagenet | 0.984 | |||||||||||||||||||||
94 | 2-NNSVM | MNIST | CIFAR100 | UniformNoise | 0.997 | |||||||||||||||||||||
95 | 2-NNSVM | MNIST | CIFAR100 | NormalNoise | 0.997 | |||||||||||||||||||||
96 | 2-NNSVM | MNIST | CIFAR100 | FashionMNIST | 0.922 | |||||||||||||||||||||
97 | 2-NNSVM | MNIST | CIFAR100 | NotMNIST | 0.991 | |||||||||||||||||||||
98 | 2-NNSVM | MNIST | CIFAR100 | CIFAR10 | 0.992 | |||||||||||||||||||||
99 | 2-NNSVM | MNIST | CIFAR100 | STL10 | 0.99 | |||||||||||||||||||||
100 | 2-NNSVM | MNIST | CIFAR100 | TinyImagenet | 0.985 |