1. 本项目最初的任务是根据 Titanic 赛题 Machine Learning from Disaster 的训练集进行模型训练, 然后将测试集输入训练好的模型并进行预测, 最终将逻辑回归、决策树等模型得到的结果使用多数投票法进行汇总, 提交到 Kaggle 平台后得到的准确率为 83.732 %, 排名前 5%

2. 项目中后期, 在完成机器学习模块后, 由于缺少图形界面, 于是我们决定对其扩充, 将其包装成 Web 应用的形式进行展示和交互。网站前端使用了 Vue.js + BootStrape4 的框架组合, 同时还有一个新闻模块, 聚合了来自 网易智能 , 36kr 和 虎嗅人工智能 等网站中与机器学习、人工智能相关的新闻资讯。网站后端使用的是 Flask 框架, HTTPS 证书由 Let's Encrypt 颁发, 而机器学习模块由 numpy, pandas, sklearn 等组成

3. 本项目的 GitHub 地址: https://github.com/USTC-Titanic

1. 生成训练数据集：输入图片的长和宽, 以及要其中的文本（4位数字）, 然后使用 Python 的第三方库 captcha 来生成图片验证码

2. 验证码图像预处理：将图像转为灰度图, 并进行初步的去噪处理

3. 定义卷积神经网络：卷积神经网络由三个 [卷积层-池化层] 组成, 其中卷积核大小均为3x3, 池化层大小是2x2, 神经元使用 relu 激活函数

4. 模型训练与预测：每一个 batch 包含 64 张图片, 每 100 个 batch 进行一次性能评估, 在进行了 7900 个 batch 训练后训练集上的准确率达到了 95%, 停止训练并保存模型参数。随后在测试集上进行预测, 准确率约为 90%

5. 本项目的 GitHub 地址: https://github.com/jJayyyyyyy/USTC-2018-Smester-1/tree/master/AI/exp/04_Captcha

1. 这是一个轻量级的安卓 App, 功能: 获取天气预报, 中英单词互译, 查看36kr, Solidot, Hacker News首页新闻

2. GitHub: https://github.com/jJayyyyyyy/Lit

1. 改编自 Python3 的 http.server 模块, 增加上传功能. 用于局域网内共享小文件

2. GitHub: https://github.com/jJayyyyyyy/py3SimpleHTTPServerWithUpload

3. Java 版本的 SimpleHttpServer: https://github.com/jJayyyyyyy/SimpleHttpServer

1. 这是一个根据 CodingTrain 编程挑战仿写的扫雷游戏, 使用 JavaScript 编写, 绘图引擎使用的是 p5.js

2. 本项目的 GitHub 地址: https://github.com/jJayyyyyyy/MineSweeper

3. Java 版本正在开发中: https://github.com/jJayyyyyyy/JavaNotes/tree/master/examples/minesweeper/

1.项目背景：这是汽车学院一个六轮车项目的子项目, 我们小组主要负责其无线遥控功能的实现

2. 发送端：以 Arduino 作为发射端控制器, 首先根据硬件手册配置好 nRF24L01 无线模块, 使其工作在发送模式(Tx_Mode)。然后控制器接收来自结合摇杆模块的输入, 将信号处理后打包成一定的帧格式通过无线模块发射出去

3. 接收端：以STM32作为接收端控制器, 根据硬件手册配置好nRF24L01无线模块, 使其工作在接收模式(Rx_Mode), 并使其地址、频段、速率等参数配置成与发射端相同。当无线模块接收到信号后, 控制器将数据包读出, 再根据六轮车项目要求, 将其打包成CAN的扩展帧, 传输到六轮车的控制器

4. GitHub：https://github.com/jJayyyyyyy/basic_STM32_Project/tree/master/nRFWirelessCommunication