文件名称：feup-iart:托管人工智能项目的存储库，第三个单元@FEUP。 与@EdgarACarneiro和@jflcarvalho合作制作
文件大小：7.8MB
文件格式：ZIP
更新时间：2024-06-04 19:48:57
python classifier pulsars feup-iart JupyterNotebook
FEUP-IART 该存储库托管了我们在FEUP的信息学和计算机工程学硕士课程的人工智能（IART）课程单元的项目。 介绍 该项目的目的是开发一种二进制分类器，以从一组候选者中识别脉冲星。 主要困难包括： 数据集的平衡（91％的候选人属于负面类别，即不是脉冲星）； 数据集的大小，其中包括17898个学习样本：可观但很小，用于深度学习； 数据集 HTRU2是一个数据集，描述了在高时间分辨率宇宙调查（南方）期间收集的脉冲星候选样本。 可用。 工具 Python3 凯拉斯 Tensorflow（后端） Scikit学习 张量板 安装依赖项 pip3 install -r requirements.txt 贡献者
【文件预览】：
feup-iart-master
----docs()
--------iart-relatorio-intercalar()
--------iart-relatorio-final()
----dataset()
--------Readme.txt(6KB)
--------HTRU_2.arff(1.65MB)
--------HTRU_2.csv(1.65MB)
----imgs()
--------pr_curve_32-leaky-16-relu.png(165KB)
--------profile_scatter_matrix.png(321KB)
--------full_scatter_matrix.png(541KB)
--------loss_normal_vs_undersampling.png(171KB)
--------acc_normal_vs_undersampling.png(165KB)
--------DM_scatter_matrix.png(185KB)
--------pr_curve.png(20KB)
--------distribution.png(59KB)
--------pr_curve_normal_vs_undersampling.png(173KB)
----src()
--------models.py(1KB)
--------main.py(2KB)
--------Logger.py(427B)
--------utils.py(3KB)
--------metrics.py(1KB)
--------grid_search.py(2KB)
--------PRTensorBoard.py(3KB)
--------notebooks()
----requirements.txt(378B)
----README.md(1KB)