23109210103: 1-Derin Öğrenme kısmında bu algoritmaların nerelerde kullanıldıkları (Routing, IDS, Clustering, …) her alanda birkaç örnek ile detaylandırılmalıdır. 2- Problem cümlesi tanımlanmış ancak net ifade edilmemiş. Problem cümlesi net amaçlar ve bunları destekleyen hedeflerle belirtilmelidir. Bu hedefler çalışmanın özgünlüğünü vurgulayacaktır. … Daha Fazlasını Oku
Aşağıdaki listede sorumlu olduğunuz verisetleri yazmaktadır. Verilen verisetlerini derste anlatılan Örüntü Tanıma adımlarından seçeceğiniz en az birer tane yöntem ile analiz ederek kNN, SVM, MLP (Farklı nöron ve layerlar için), Decision Tree, Random Forest, Deep Neural Networks, Deep Belief Networks sınıflandırıcılarında deneyerek … Daha Fazlasını Oku
Her öğrencinin sorumlu olduğu verisetleri aşağıdaki listede belirtilmiştir. Vize uygulaması olarak 1D-CNN, 2D-CNN (Klasik) ve DBN uygulamaları yapılacaktır. 1D-CNN: Zaman serileri doğrudan sizlerin modelleyeceği farklı CNN yapılarına göre en az 15 farklı modelde denenerek başarımlar raporlanacaktır. 2D-CNN: Zaman serileri resime dönüştürülerek (plot) … Daha Fazlasını Oku
Öğrenci No Proje Adı 182503004 Hocalar için Danışmanlık saati randevu işlemleri Mobil ve Web Uygulaması 182503016 Yaşlılara günlük işlerinde yardım için Gönüllülük Mobil Uygulaması (React-Native) 182503202 Uygu görüntülerinde Belirli landmarklar için görüntülerde lokasyon tespiiti (Görüntü işleme) 192503001 Swift ile Usta … Daha Fazlasını Oku
Her öğrencinin sorumlu olduğu verisetleri aşağıdaki listede belirtilmiştir. Vize uygulaması olarak 1D-CNN, 2D-CNN (Klasik) ve DBN uygulamaları yapılacaktır. 1D-CNN: Zaman serileri doğrudan sizlerin modelleyeceği farklı CNN yapılarına göre en az 15 farklı modelde denenerek başarımlar raporlanacaktır. 2D-CNN: Zaman serileri resime … Daha Fazlasını Oku
Aşağıdaki listede sorumlu olduğunuz verisetleri yazmaktadır. Verilen verisetlerini derste anlatılan Örüntü Tanıma adımlarından seçeceğiniz en az birer tane yöntem ile analiz ederek kNN, SVM, MLP (Farklı nöron ve layerlar için), Decision Tree, Random Forest, Deep Neural Networks sınıflandırıcılarında deneyerek başarımları … Daha Fazlasını Oku
# Öğrenci No Proje 1 182523032 Node JS ile react Native ile takas uygulaması (Mobil-Web) 2 182523058 Node JS ile Whatsapp react Native Uygulama (Mobil-Web) 3 182523063 *Drone görüntülerinden araçların tanınması 4 182523301 Bir görüntü içinde hareket eden bir insanı … Daha Fazlasını Oku
Deep Learning in Ad-hoc Wireless Networks Dear Colleague, We hope this email finds you well. We are writing to let you know that our Springer Book is currently welcoming submissions to the Topical Book “Deep Learning in Ad-hoc Wireless Networks”, Edited … Daha Fazlasını Oku
Bu derste Google Colab servisleri üzerinden MLP modelleme, itere edebileceğiniz parametreler, farklı modeller için hidden layer sayısı ve nöron sayılarının önemleri anlatılmıştır. Analiz edeceğiniz veriseti ve rapor formatı ubom üzerinden sizlerle paylaşılacaktır.
DB-A: RespiratoryDatabase@TR (COPD Severity Analysis) (url:https://data.mendeley.com/datasets/p9z4h98s6j/1) DB-B:- VOICED Database (url: https://physionet.org/content/voiced/1.0.0/) DB-C: Heart Rate Oscillations during Meditation (url:https://physionet.org/content/meditation/1.0.0/) DB-D: Apnea-ECG Database (url: https://physionet.org/content/apnea-ecg/1.0.0/) DB-E: DeepSIG Dataset: RADIOML 2018.01A (url:https://www.deepsig.ai/datasets) DB-F: Breast Cancer Histopathological Database (BreakHis) (url:https://web.inf.ufpr.br/vri/databases/breast-cancer-histopathological-database-breakhis/) DB-G: Fish4Knowledge (url:https://groups.inf.ed.ac.uk/vision/DATASETS/FISH4KNOWLEDGE/WEBSITE/) DB-H: Image Matting Dataset 21109110805 TA** … Daha Fazlasını Oku