afbf4c8996f/jammer-locينفّذ أساليب التعلّم الآلي والتعلّم العميق لتحديد مواقع مشوّشات UWB في الأماكن المغلقة، بما في ذلك تحسين المعاملات الفائقة (hyperparameters)، والتصنيف، والانحدار على مجموعات بيانات من العالم الحقيقي.
يتضمن هذا المستودع الكود ورابط مجموعة البيانات الخاصة بالورقة البحثية
“التعلم الآلي والتعلم العميق لتحديد مواقع أجهزة تشويش UWB داخل المباني.”
قم بتشغيل عملية تحسين المعلمات الفائقة:
python hpo.py \
--task classification \
--mode actual \
--framework ml \
--config config.yaml \
--trials 50 \
--study-name my_study
main.py بالتنسيق المتوقع.hpo.db افتراضيًا.hpo.py باستخدام argparse. راجع هذا الملف للحصول على الأوصاف والخيارات الإضافية.لتشغيل التصنيف أو الانحدار على مجموعة بيانات المصدر واختباره على مجموعة الاختبار، يمكنك استخدام:
python main.py --config config.yaml
cfg.output.directory.outputs/simple_nn/).تتوافق أسماء الملفات الخاصة بطرق محاذاة النطاق مباشرةً مع أسمائها المقابلة في المنشور.
تأكد من ضبط المسارات وفقًا لهيكل مشروعك في ملف config.yaml.
نظرًا لقيود الحجم، لا يتم تضمين مجموعات البيانات الأولية في هذا المستودع.
يمكن تنزيلها من 
.
ومع ذلك، لتسهيل التنفيذ الفوري للكود، يتم توفير ملفين بصيغة Parquet في هذا المستودع لمجالي المصدر والهدف. يمكن الوصول إلى ملفات مصفوفات NumPy المضغوطة (.npz)، التي تحتوي على بيانات نماذج محاذاة النطاق، من خلال الرابط أعلاه.