پارس‌کدرز چگونه کار می‌کند؟

از پارس‌کدرز بیشترین بهره را ببرید و رویای کاری خود را زندگی کنید.

پارس‌کدرز خریداران یا کارفرمایان را به مجری‌ها /فریلنسرهای خبره‌ای متصل می‌کند که برای انجام پروژه آماده هستند.

پروژه یادگیری ماشین با متلب

دو ماه پیش منتشر شده

تعداد بازدید: 83

کد پروژه: 525453


شرح پروژه

سلام 


علوم كامپیوتر... حدود دو هفته ماه

کار سخت نیست برای متخصص ماتلاب

لطفا جزئیات کار بهش نشان دهید

We want to compare these 3 types of learning (on the same data):

1) isolated learning: just we run the same NN classifier on the data of each client separately (save the cross validation accuracy in text file, use more than one activation function, plot the results in bar chart).

2) federated learning: the server trains the NN on his data, distributes the model to clients (only weight and bias, no shared data), each client starts his training from the obtained weight and bias (on his own data) and sends the new weight and bias to the server, the server aggregates all the weight and bias of all clients and train the NN on its data.... This is iteratively repeated until convergence.
We aim to enhance the accuracy of the server's final NN model.
The idea is by a collaborative learning without sharing the data, we enhance the final model at the server.
Important: we need to save the accuracy, time, and confusion matrix of each training, to compare them later and prove the enhancement achieved by the federated learning.

3) round robin learning: no central server but, the first client trains the NN on his own data and sends only the weight and bias to the next client. The second client starts from the obtained weight and clients and trains the NN on his own data, and so on... Also we need to save all accuracies to compare the learning types later (accuracy, time, confusion matrix).

Finally we compare the three models... we aim the federated learning will be the best

Note: our data is in .xlsx file (row is observation, column is a feature, last column contains the class labels). The results are saved in text files, and .png bar chart plots.

Allow me to specify 1) the input data file path, 2) the type of activation function and number of hidden layers (default is single), 3) select the learning type (isolated, federated, sequential round robin ). 4) the path of the output folder to save the text and plots..

این پروژه شامل 2 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز


مهلت برای انجام

7روز

وضعیت مناقصه

بسته


درباره کارفرما

عضویت یک سال پیش

1324 پروژه ثبت شده ،
42 پروژه در حال انجام ،
53 پروژه آماده دریافت پیشنهاد ،
نرخ پذیرش پیشنهاد 43%

برای پیدا کردن پروژه‌های مشابه ثبت نام کنید و پروفایل خود را بسازید.

ورود با گوگل
یا
نام نباید خالی باشد.
نام خانوادگی نباید خالی باشد.

نیاز به استخدام فریلنسر یا سفارش پروژه مشابه دارید؟

سفارش پروژه مشابه

قادر به انجام این پروژه هستید؟

ثبت نام کنید

مهلت ارسال پیشنهاد قیمت برای این پروژه تمام شده است

سری به پروژه‌های مشابه بزنید

روش کار در پارس‌کدرز

به رایگان یک حساب کاربری بسازید

مهارت‌ها و تخصص‌های خود را ثبت کنید، رزومه و نمونه‌کارهای خود را نشان دهید و سوابق کاری خود را شرح دهید.

به شیوه‌ای که دوست دارید کار کنید

برای پروژه‌های دلخواه در زمان دلخواه پیشنهاد قیمت خود را ثبت کنید و به فرصت‌های شغلی منحصر به فرد دسترسی پیدا کنید.

با اطمینان دستمزد دریافت کنید

از زمان شروع کار تا انتهای کار به امنیت مالی شما کمک خواهیم کرد. وجه پروژه را از ابتدای کار به امانت در سایت نگه خواهیم داشت تا تضمین شودکه بعد از تحویل کار دستمزد شما پرداخت خواهد شد.

می‌خواهید شروع به کار کنید؟

یک حساب کاربری بسازید


بهترین مشاغل فریلنسری را پیدا کنید
رشد شغلی شما به راحتی ایجاد یک حساب کاربری رایگان و یافتن کار (پروژه) متناسب با مهارت‌های شما است.

پیدا کردن کار (پروژه)

تماشای دمو روش کار