优德app下载官网校区的鸟窗碰撞
该项目将调查优德app下载官网校区鸟类与窗户碰撞的发生率. 该项目的目的是估计鸟类与窗户和校园地点碰撞的数量,这些地点的碰撞风险增加.
要求:理工科专业,对生态学有兴趣, 保护, 或鸟类,平均绩点不低于3.0.
持续时间:2024年春季至2025年秋季
教授:Les Murray ((电子邮件保护))
射电天文学中的脉冲星研究
脉冲星是巨星爆炸后的残留物. 由于脉冲星旋转迅速,它们产生的周期性信号(脉冲)可以用大型射电望远镜探测到. 在我们的项目, 我们在西弗吉尼亚州的绿岸天文台使用一个直径20米的射电望远镜来探测脉冲星. 我们的研究项目支持三个目标:寻找未被发现的脉冲星, 研究脉冲星的性质, 并将脉冲星集合用作星系大小的引力波探测器.
要求:成功完成代数和三角学课程. 有EXCEL操作经验,有物理基础优先考虑. 高级项目由python的入门知识辅助.
持续时间:2024年春季至2025年秋季
教授:Ann Schmiedekamp ((电子邮件保护))、卡尔·施米德坎普((电子邮件保护))
什么是正义?
一个著名的Youtube讲座是Michael Sandel的Justice. 这个项目是建立一个正义的AI引擎在他的Youtube讲座的角度. 这个项目的主要目的不是简单地构建一个推理引擎. 相反,它将被用于从一致的角度评估两个政党. 最终, 如果时间允许,将从常识和法律角度对该引擎的合法性进行评估.
要求:有Tensorflow或pytorch经验, 有数据预处理经验, 文本处理经验, 自我激励的人
持续时间:2024年春季、2024年秋季、2025年春季(2024年4月无需参加博览会)
教授:杨章勋((电子邮件保护))
用于计算的大型语言模型(llm)
该项目将利用大型语言模型或自然语言处理来提高以下任务的质量. 1. 利用大型语言模型(LLMs)增强情感分析. 用大语言模型(LLMs)增强时间序列分析. 用大型语言模型(LLMs)从数据中提供客观的观点
要求:有Tensorflow或pytorch经验, 有数据预处理经验, 文本处理经验, 自我激励的人.
持续时间:2024年秋季,2025年春季
教授:杨章勋((电子邮件保护))
基于声纳和深度学习(AI)的水下目标检测
该研究项目的目的是应用深度学习(AI)技术来检测和识别重要的文物(沉船), 部分掩埋的人造建筑, 管道, 动物的生命, 等.),由水下机器人收集的侧扫声纳数据. 深度学习是机器学习和人工智能的一个子集. 深度学习使用卷积神经网络(CNN)来识别图像(以及其他数据)中的模式和对象, (声音和文字). 深度学习在x射线图像和CT扫描中的肿瘤检测等许多应用领域都被证明是非常成功的, 自然语言检测, 人脸识别.
要求:精通Python或MATLAB编程, 具有计算机视觉和人工智能知识(优先考虑), 平均绩点3.0或以上.
持续时间:2024年秋季,2025年春季
教授:Robert Avanzato ((电子邮件保护))
人工智能和图像分割:推进SAM增强立体视频和点云处理
本项目研究使用人工智能驱动的图像分割, 特别是分段任意模型(SAM2), 增强立体视频和点云处理. 通过将SAM2与3D数据技术相结合, 研究的目的是提高分割的准确性和效率, 解决深度估计和目标识别方面的挑战.
要求:
- 高级编程技能
- 精通硬件设计和电路
- GPA > 3.2
- 自我激励,能独立工作
持续时间:2024年秋季,2025年春季
教师:杨毅((电子邮件保护))
基于光学相干层析成像深度学习的日文论文分类
该项目侧重于使用应用于光学相干断层扫描(OCT)图像的深度学习技术对日本纸张类型进行分类. 利用先进的图像分析, 该研究旨在准确区分各种类型的日本传统纸张, 由于细微的结构差异,哪些通常很难分类. 该项目将开发和训练深度学习模型,以识别OCT图像中的独特特征, 有助于文化遗产材料的保存和研究.
要求:
- 高级编程技能
- 精通硬件设计和电路
- GPA > 3.2
- 自我激励,能独立工作
持续时间:2024年秋季,2025年春季
教师:杨毅((电子邮件保护))
改变景观与本科社区参与研究和英联邦植物园网络
优德app下载官网分校准备建造一座新的学术大楼, 这个项目需要对校园进行微小的改变,以反映大学可持续运营委员会的目标,即更多的生物多样性景观. 从2024年秋季到2025年春季, 学生们将进行研究以确定地点, 物种, 树木的数量, 灌木, 和支持性生态系统将在校园种植,目标是获得一级植物园认证.
要求:无.
持续时间:2024年秋季,2025年春季
教授:Michele Grinar ((电子邮件保护))
智能电动轮椅
本项目旨在利用H-Bridge电机控制器构建智能电动轮椅,实现高效驱动控制. 它可以实现平稳,精确的运动,包括前进,后退和转弯. 障碍物检测和辅助技术集成等智能功能将增强安全性和用户独立性.
要求:高级编程技能
持续时间:2024年秋季,2025年春季
教授:Vinayak Elangovan ((电子邮件保护))联合顾问:杨毅((电子邮件保护))
通过量化和提示工程优化心理健康疾病检测的大型语言模型
应用量化技术优化内存使用和计算效率,同时不影响模型检测心理健康症状的能力, 由即时工程提供支持,以提高准确性. 步骤:1. 量化模型以减少内存和计算需求, 同时确保所使用的提示在发现精神健康症状方面有效地指导模型. 2. 通过测试各种提示,评估量化模型在心理健康环境中提供准确和移情反应的能力. 3. 度量不同量化级别的性能并评估模型的效率, 包括推理速度, 同时保持对精神健康障碍检测的关注.
要求:Python编程,机器学习和数据挖掘,数据科学
持续时间:2024年秋季,2025年春季