مه زدایی تصاویر در سیستم های حمل و نقل هوشمند با استفاده از الگوریتم های یادگیری عمیق

برنامه نویسی با زبانهای مختلف ، طراحی سایت و نرم افزار

سلام خدمت شما هدف اصلی پروژه بهبود کیفیت تصاویر مه الود است بتوانیم تصاویر که کیفیت اش خراب شده در شرایط مه آلود بهبود اش بدهیم با استفاده از الگوریتم های یادگیری عمیق

1 پیشنهاد 2,000,000 تومان 1 سال پیش

مهارت ها

شناسایی آسیب در مدل پل با استفاده از شبکه عصبی عمیق و الگوریتم PSO و مقایسه با SVM

برنامه نویسی با زبانهای مختلف ، طراحی سایت و نرم افزار

یک پروژه درسی هست برای مقایسه عملکرد این سه تا: 1. CNN با Adam optimizer 2. CNN با الگوریتم PSO به عنوان optimizer 3. ماشین بردار پشتیبان (support vector machine) که یک الگوریتم یادگیری ماشین هست. ------ کار از نوع supervised هست. multi-class classification هفت تا کلاس داریم (یک کلاس مربوط به حالت سالم و شش تای دیگه مربوط به حالت آسیب دیده هستن) از هر کلاس، 34 تا ماتریس دو در دو داریم (60 تا ستون و 37000 ردیف) 37000 طول سیگنال هست 60 تعداد سنسور ها ------- مدل حتما توی pytorch ساخته بشه. حتما از data loader استفاده بشه. حتما توی سیستم با رم 8 قابل اجرا باشه. ----- دیتاها توی گوگل درایو هستن و لینکش رو بهتون میدم. یه فایل دارم که metric ها رو طبق اون باید خروجی بگیرید علاوه بر پارامترهای مدل.

1 پیشنهاد 1,500,000 تومان 1 سال پیش

مهارت ها

شبیه سازی یک مقاله با پایتون و یادگیری عمیق

برنامه نویسی با زبانهای مختلف ، طراحی سایت و نرم افزار

یک مقاله هست که نیاز به شبیه سازی آن با پایتون و تکنیک یادگیری عمیق دارم. موضوع کلی مقاله راجع به کدگشایی کدهای خطی با یادگیری عمیق است. میتوان گفت مربوط به مخابرات و ریاضیات دارد.

1 پیشنهاد 600,000 تومان 2 سال پیش

مهارت ها

الگوریتم شبکه عصبی CGRU بر پایه یادگیری عمیق(deep convolutional GRU)

برنامه نویسی با زبانهای مختلف ، طراحی سایت و نرم افزار

برای تخمین یک پارامتر ، چندین پارامتر ورودی دارم، که این پارامترها در برآورد پارامتر خروجی موثر هستند. در این راستا با توجه به خصوصیات الگوریتم کانوشنال روش بازگشتی CGRU بر پایه یادگیری عمیق باید استفاده شود. در واقع الگوریتم‌های شبکه عصبی کانولوشنال (CNN) و واحد بازگشتی دروازه‌ای (GRU) را بر اساس رویکرد GRU کانولوشنال عمیق (DCGRU) ترکیب می‌کند. در این زمینه یک مقاله به پیوست ایفاد میگردد. از دوستانی که مسلط به الگوریتم شبکه عصبی هستند لطفا بررسی نمایند. نگران هزینه هم نباشید در صورتی که مشابه با مقاله کدنویسی انجام شود بالاترین پیشنهاد هزینه را خواهم پذیرفت.

0 پیشنهاد 1,500,000 تومان 2 سال پیش

مهارت ها

پروژه خصوصی

برنامه نویسی با زبانهای مختلف ، طراحی سایت و نرم افزار

0 پیشنهاد 2,000,000 تومان 2 سال پیش

مهارت ها

پروژه یادگیری عمیق( 21277)+

کمک آموزشی

تا جمعه هفته آینده فرصت داریم تشخیص پلاک با دیتاست انگلیسی حداقل دقت ۸۰ درصد و استفاده از LSTM سلام این پروژه هزینش با یادگیری عمیق چقد میشع تا جمعه هفته آینده ام وقت دارم +++

0 پیشنهاد 300,000 تومان 2 سال پیش

مهارت ها

: پروژه یادگیری عمیق با پایتون (20429)+

کمک آموزشی

سلام وقت بخیر عنوان : تشخیص و سگمنت بندی تصاویر ارگان های مجرادار مثل معده و کولون به استفاده از حاشیه نگاری خودکار تصاویر و به کمک الگوریتم سلسله مراتبی یادگیری عمیق u-net و الگوریتم بهینه سازی .... با پایتون بهتره چون تمامی کدها سایر مقالات تو این ضمینه به زبان پایتون نوشته شده است - و میشه از آنها استفاده کرد dataset هم موجود است ممنون میشم زودتر جواب بدین 3 ماه 5799

0 پیشنهاد 700,000 تومان 2 سال پیش

مهارت ها

پروژه یادگیری عمق با پایتون(20138)+

کمک آموزشی

پروژه یادگیری عمق با پایتون با سلام یک پروژه داشتم که از روش LSTM که یکی از روش های یادگیری عمیق هست انجام میشه. دیتا ست را خودتون بسازید براساس توزیع پواسون. کد هم به زبان پایتون لطفا نوشته بشه. آیا قبول زحمت میکنید؟ چندین سرور داریم که با فاصله های جغرافیایی از هم و برای رسیدگی به درخواست های خودرو ها ، در کنار جاده ها نصب شده اند. خودروها در حال حرکت هستند و درخواست هایشان را برای پردازش به سرورها میفرستند. هدف از این پروژه پیش بینی بار کاری در آینده نزدیک (مثلا یک یا پنج دقیقه آینده ) است که به این سرو ها می‌رسد. برای اینکار از روش LSTM multivariate استفاده می‌کنیم. سه مدل درخواست داریم که هر کدام ددلاین، میزان محاسبات و حافظه مخصوص به خود را نیاز دارد(در کل سه ددلاین داریم). میزان بارکاری (تعداد درخواست ها و ویژگی هایشان که گفته شد) که در گذشته به سرورها رسیده به عنوان ورودی مدل استفاده می‌کنیم. خروجی مدل: تعداد درخواست ها با کمترین ددلاین که به هر سرور در آینده نزدیک میرسند خواهد بود. همچنین خروجی مدل تعداد کل درخواست ها با ویژگی هایشان که در آینده نزدیک به هر سرور میرسند باشد. نکته مهم: میزان درخواست هایی که به سرورهای همسایه در گذشته رسیده نیز به عنوان ورودی برای پیش بینی بارکاری سرور استفاده می‌شود. دیتاست: یعنی انواع درخواست ها که به سرور ها قبلا رسیده را با استفاده از توزیع پواسون بسازید به طوری که در طول شبانه روز نرخ لامبدا تغییر کند. (چون در ساعات مختلف از شبانه روز تعداد خودروها در جاده ها متغییر است) به زبان پایتون لطفا نوشته شود. سپاس +++

0 پیشنهاد 500,000 تومان 2 سال پیش

مهارت ها