接受深度学习方面的各种模型训练(自己有GPU资源),价格面议。
1、研究方向:深度学习、迁移学习、神经网络结构搜索、知识图谱、小样本学习、PHM及工业故障诊断(振动信号)
2、编程语言:熟练使用python
3、深度学习框架:熟练使用keras、pytorch,熟悉tensorflow
4、算法:掌握常见的机器学习算法、深度学习算法(主要CNN、RNN、Transformer),熟悉图像分类、迁移学习、domain adaptation、故障诊断(轴承、齿轮得振动信号)、知识图谱、小样本学习等领域。
这个网页展示了我的一些作品,包括以往的论文工作、github项目介绍等等,随时会有更新,欢迎打开网页查看:https://lixudong.ink/show/
0 2023-04-30 16:04
想要生成星系的图片,但没有这样的公开数据集,所以我自己从网上爬取了一些星系的图片,经过筛选与处理,最后得到了600多张图片。使用全卷积网络(FCN)作为编码器,解码器结构与之对称。全卷积网络没有池化层,池化层使用带步长的卷积代替。
0 2023-05-03 06:46
针对人工设计网络耗时、低效的问题,提出了一种神经网络结构搜索方法,用于解决一般的分类任务。使用 one-shot 方法在分类问题上进行网络结构搜索,训练出来的 one-shot 模型可以预测搜索空间里子网络的性能,具有一定的排序能力。
0 2023-05-03 06:48