作业。

手写文字识别

脑电情绪识别 HSE计算机科学学生项目 作者：Soboleva Natalia和Glazkova Ekaterina 脑电信号的准确分类可以为医学研究提供解决方案，以在早期阶段检测异常脑部行为以对其进行威胁。 在这项研究中，我们从另一个角度来看这个任务-情绪识别。 我们设计了卷积神经网络和递归神经网络的联合，使用自动编码器来压缩数据的高维数。 当前项目包括EEG数据处理，并使用AutoEncoder + CNN + RNN进行卷积 前处理 伪影-这是所有非脑源记录的活动的术语。 伪影可分为两类：生理伪影（来自大脑其他部位的虹膜，例如，身体）和外部生理伪影（例如，技术设备的北极）。 为了提取脑电图观察的最重要特征，必须进行预处理。 为了进行数据处理和可视化， 选择了用于人类神经生理数据（包括EEG）的开源Python软件。 在这一领域，有两种主要的最新方法可以处理EEG信号：小波变换和

图像识别 使用CNN进行图像识别。 接受过FashionMNIST数据集的培训。

占士邦 公司债券评级变化预测模型 团队成员：Wes Sapone，Kwame van Leeuwen，Ketan Patel，Susan Fan 目标：开发一种机器学习模型，该模型可以预测未来12个月公司债券的信用等级变化 概括 通过SQL从活跃于公司信用违约概率建模的公司中获取大型数据集。 数据清理在该项目中发挥了重要作用。 3个分类模型：使用Logistic回归，随机森林和梯度提升来训练/测试模型并分析大型历史数据框。 事实证明，拥有相对较少的评分事件的不平衡数据集是一个关键挑战。 使用原始的不平衡数据集，Random Forest和Gradient Boost模型似乎优于Logistic回归模型，其平衡精度得分约为83％。 将来可能进行的建模改进包括增强数据集，微调模型和优化目标变量。 演示幻灯片 数据清理 楷模 逻辑回归 随机森林 原始数据，默认参数1 随机森林原始数据，

自述文件 这个包是基于脉冲神经网络（SNNS）学习原件S派克LAY呃ËRROR [R eassignment（杀手）框架反向传播的PyTorch端口。 最初的实现是在带有CUDA和CUDNN的C ++中实现的。 可从。 以下视频简要介绍了该方法。 该框架的基本描述已在发布。 最终论文可。 可找到arXiv预印本。 引文 Sumit Bam Shrestha和Garrick Orchard。 “ SLAYER：尖峰层错误及时重新分配。” 《神经信息处理系统的进展》 ，第1417-1426页。 2018。 @InCollection { Shrestha2018 , author = { Shrestha, Sumit Bam and Orchard, Garrick } , title = { {SLAYER}: Spike Layer Error Reassig

CIFAR10-KNN分类

预测机票价格的Web应用程序

机票价格预测： 表中的内容 演示版 链接： ： 概述 这是一个Flask网络应用，可预测机票价格。 动机 由于这种大流行情况，您在家时该怎么办？ 我开始学习机器学习模型以充分利用它。 我开始了解所有监督模型背后的数学。 最后，在应用程序（实际应用程序）上工作以真正有所作为很重要。 安装 该代码是用Python 3.8.0编写的。 如果您没有安装Python，则可以在找到它。 如果您使用的是较低版本的Python，则可以使用pip软件包进行升级，以确保您具有最新版本的pip。 要安装必需的软件包和库，请在存储库后在项目目录中运行以下命令： pip install -r requirements.txt 在Heroku上部署 登录或注册以创建虚拟应用程序。 您可以连接github配置文件或下载ctl来手动部署此项目。 我们的下一步是按照的说明部署Web应用程序。 目录树 ├── stat

Customer_churn_prediction:机器学习项目