برونسپاری
آموزش آنلاین
کسب درآمد
×
افزایش شانس استخدام
خانه پروژه ها پروژه های برنامه نویسی پیاده سازی پروژه با یادگیری عمیق

پیاده سازی پروژه با یادگیری عمیق

۱۰ روز پیش
بودجه
از
۲,۰۰۰,۰۰۰ تومان
تا
۳,۰۰۰,۰۰۰ تومان
زمان پیشنهادی
۶ روز
(۱)
تهران
کارلنسر
وضعیت
کامل شده
ثبت پیشنهاد روی پروژه
ثبت پروژه مشابه
کارلنسر
یادگیری عمیق هست من میخوام اگر تجربه موفقی باشه بتونم تا اخر این ارتباط رو حفظ کنم اما با توجه به اینکه این تکرار میشه خواهش میکنم مبالغ نجومی اعلام نکنید، با توجه به اینکه الان هوش مصنوعی هم در دسترس هست، دلیل اینکه من میخوام برون سپاری کنم این کار این هست که میخوام خیالم راحت باشه کامل انجام میشه در بخش آموزش و ارزیابی RBM دو موضوع نیازمند توجه است. نخست اینکه مدل معرفی‌شده در مقاله دارای واحدهای مرئی و پنهان باینری است، درحالی‌که داده‌های ورودی مقادیر صحیح دارند و مستقیماً با این ساختار سازگار نیستند. برای رفع این ، می‌توان مقادیر هر باند را با روش Min-Max به بازه صفر تا یک نگاشت و مقادیر حاصل را به‌عنوان احتمال فعال‌شدن واحدهای مرئی در نظر گرفت. ازآنجاکه روش دقیق آماده‌سازی داده‌ها را مشخص نکرده است، رویکرد انتخاب‌شده و دلیل استفاده از آن باید در گزارش توضیح داده شود. موضوع دوم، تفاوت میان روش آموزش مدل و معیار ارزیابی بازسازی است. مطابق صورت ، پیکربندی‌های مختلف RBM باید با الگوریتم CD-1 آموزش داده شوند. در این روش، ابتدا احتمال فعال‌شدن واحدهای پنهان از روی ورودی محاسبه می‌شود و سپس حالت‌های باینری این واحدها از توزیع برنولی نمونه‌گیری می‌شوند. در ادامه، با استفاده از این حالت‌ها، واحدهای مرئی بازسازی شده و مراحل لازم برای به‌روزرسانی وزن‌ها و بایاس‌های مدل انجام می‌شود. برای ارزیابی کیفیت بازسازی، باید ورودی اولیه با خروجی بازسازی‌شده لایه مرئی مقایسه شود. به این منظور، می‌توان احتمال فعال‌شدن واحدهای مرئی بازسازی‌شده را به‌عنوان خروجی در نظر گرفت و خطای میانگین مربعات یا MSE را نسبت به ورودی محاسبه کرد. بنابراین، MSE در این معیار ارزیابی کیفیت بازسازی است و تابع هزینه‌ای نیست که الگوریتم CD-1 مستقیماً آن را کمینه کند.

فوری

یادگیری عمیق

deep learning

برنامه نویسی

پایتون

python

machine learning

ماشین لرنینگ

مشاهده جزئیات پیشنهادهای این پروژه
گزارش تخلف
ثبت پیشنهاد روی پروژه
ثبت پروژه مشابه
پروژه را با دوستان خود به اشتراک بگذارید
کپی لینک
کارلنسر را در شبکه های اجتماعی دنبال کنید
شماره تماس ۲۸۴۲۶۴۴۳ ۰۲۱
آدرس ایمیل info@karlancer.com
پشتیبانی