考研复试深度学习项目模板

基于线性回归的新冠人数预测
使用全连接线性神经网络，基于前两天的新冠人数和社会情况对第三天新冠人数进行预测。
（1） 使用Relu激活函数，尝试多种全连接结构，得到了适合于此项目的网络厚度与宽度。
（2）处理数据，对不同特征值进行归一化处理，避免某些特征因为数值范围大而过分影响模型的结果。
（3）基于相关系数对数据集的特征进行了筛选，从多个特征中选取出最为相关的三个特征，去除了数据集中的杂音，提升了模型效果。（selectkbest函数）

描述：美国40个州，统计了连续三天的新冠阳性人数，和每天的一些社会特征，比如带口罩情况，居家办公情况等等。训练集为完整三天数据，测试集为前两天的情况以及第三天的特征，用训练集训练完成后，我们用测试集来预测其第三天的阳性人。

基于深度学习的图像分类网络研究
在food-11数据集上对卷积神经网络的分类性能进行探索。
（1）使用多种数据增广方法对数据集进行扩充，增强了模型泛化能力，一定程度上弥补
了数据不均衡的问题。
（2）对迁移学习效果进行了探索，观察了是否使用预训练参数对结果的影响。
（3）尝试半监督实现，有效地利用未标记数据来提高模型性能。