分类算法实践
生物代写 利用深度神经网络完成AGE (angle-closure glaucoma，闭角型青光眼)图像的分类预测 数据介绍：该数据集包含 3200 个图像（AS-OCT 图像），已经将其中 1600 个图像化为训练图像（1134 个作为训练集，466 个作为验证集，或者自行重新划分），训练图像···
深度学习实践 生物代写
- 利用深度神经网络完成AGE (angle-closure glaucoma，闭角型青光眼)图像的分类预测
数据介绍：该数据集包含 3200 个图像（AS-OCT 图像），已经将其中 1600 个图像化为训练图像（1134 个作为训练集，466 个作为验证集，或者自行重新划分），训练图像包含了完整的分类标签；另外 1600 个图像没有分类标签。（数据下载链接）
要求：利用 1600 个训练图像建立深度神经网络模型，并利用该模型对 1600 个测试图像进行分类。
图 1. AS-OCT 图像示例(左图：type=0；右图：type=1)
需要提供结果：
测试图像的预测分类结果保存为 csv 文件，第一列为图像名字，第 2 列为分类类别
（0 或 1）
训练+预测的代码及运行截图，可以提供 jupyter 格式或者其他格式的文件
2） 利用深度神经网络建立手写体数字识别模型
数据介绍：数据集来自 MNIST 手写体数字集（部分图像做了视觉处理，请勿直接套用公开代码，练习的图像中仅有数字 0-8），训练数据已经处理为了 csv 格式（训练数据下载链接），测试图像需要自己处理（测试图像下载链接）
图 2 测试图
要求：利用给定的训练图像建立手写数字的识别模型，并利用该模型对测试图像识别图像中的数字并求和（测试图像，包含 9600 个数字，需要先拆分）
需要提供结果：
识别的测试图像中的数字，需要提供所有数字鉴别结果以及所有数字加和
训练+预测的代码及运行截图，可以提供 jupyter 格式或者其他可以证明的文件
利用强化学习训练一个自动载客出租车智能体（可选题） 生物代写
要求：训练一个出租车智能体（TAXI 的目标是在一地上客，然后在另一地下客。成功下客得 20 分，每经过一个时间步长扣 1 分。违规上下客罚 10 分），在初始的状态下（出租车位置、乘客和目的地随机出现后），出租车用最少的步数接到乘客并送到目的地成功下课，并且获得尽可能多的奖励分值。
需要提供的结果：
训练智能体的代码，并对代码和训练结果进行解释，利用训练好的智能体指导出租车拉客的过程
执行智能体拉客过程的记录（小视频/gif 动态/多个单个步骤静态图）
python gym 包出租车游戏介绍：
用来与环境交互的主要 API 调用是：
- step：在环境中执行一项操作并获取新状态和回报
- reset：重置环境并获取新状态
- render：将环境可视化
- close：关闭环境
启动游戏 Taxi 的一个新实例：生物代写
以下颜色在地图上指示出租车位置和不同物体的位置。
- 蓝色：乘客
- 紫红色：目的地
- 黄色：空载出租车
- 绿色：满客出租车
- 其他字母：位置
操作游戏 Taxi 的示例：
智能体没有学习之前自动操作 Taxi 所需步数：
更多代写：X86汇编代写 生物学代考 统计学代写 apa论文 lab report怎么写 代写留学生作业
