پروژه درس هوش محاسباتی

شرح پروژه

 15 دسته عکس و فیچرهای استخراج شده توسط CNN برای هر عکس را دارید.  فیچرهای استخراج شده از هر تصویر، در یک فایل txt در همان آدرس ذخیره شده اند، که نام هر فایل همان نام تصویر متناظرش است. لیبل هر عکس هم پوشه ای است که در آن قرار گرفته است. از هر یک از دسته ها، 30 عکس بصورت رندم به عنوان دیتای ترین انتخاب شده است، و سایر عکس ها را میتوانید به عنوان تست استفاده کنید. در مرحله اول کاری که از شما خواسته شده است selection feature می باشد. با استفاده از سه روشی که در کلاس توضیح داده شد )AdaBoost, Backward, Forward ، )تعداد فیچرها را کاهش دهید، و بررسی کنید این کاهش چه تاثیری بر یادگیری الگوریتم های کالسیفیکیشن شما خواهد گذاشت. در مرحله بعد، سه تا از الگوریتم های مختلف کلسیفیکیشن که در کالس یاد گرفتید را بر روی 5 تصویر اول هر دسته از پوشه ترین، 10 تصویر اول و نهایتا کل 30 تصویر اجرا کنید و نتیجه را بررسی کنید. همان طور که میدانید، هر یک از این الگوریتم ها پارامتر هایی دارند که تغییر آن ها بر روس عملکرد الگوریتم تاثیر خواهد گذاشت. برای مثال برای شبکه عصبی معماری شبکه، یا function Activation نورون ها؛ برای درخت بیشترین عمق مجاز ، برای SVM تابع کرنل استفاده شده، و موارد مشابه. مانند پروژه قبل، عملکرد هر یک از این الگوریتم ها را با پارامترهای مختلف بررسی کرده، یافته های خود را در یک فایل گزارش به همراه کد پروژه آپلود کنید. از مدل های آنسامبل که در کالس یاد گرفتید هم برای کالسیفیکیشن و هم برای فیچرسلکشن میتوانید استفاده کنید. موفق باشید!

این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

miss.abdolahi

عضویت سه سال پیش

2 پروژه ثبت شده ،

0 پروژه در حال انجام ،

0 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 50%