智能硬件-课程项目
目录
学生准备
携带笔记本，智能手机
(Bring your own laptop computers and camera-ready smart phones)
作业1
Install TensorFlow Mobile in HUAWEI Kylin 930
课程项目-语音识别
ASR-实验1
声控智能硬件-语音指令录音
通过给手机语音指令，手机APP自动识别指令种类，进行相应的控制。
存放目录：\\101.6.160.42\智能硬件录音
以学号建立文件夹，限定使用*.wav格式。
每位同学提交24条语音，要求高质量保证。
时间：10月7日中午12点之前
ASR-实验2
声控智能硬件-频谱图生成
将24条语音文件生成对应的频谱图（Spectrogram），频谱图文件名称为*.spec
熟悉TensorFlow环境，使用TensorFlow搭建3层全连接的神经网络（24个softmax输出）。
时间：2016年10月14日中午12点之前
课程项目-人脸识别
课程项目-云+端整合
课程项目-深度学习
基本任务：手写数字识别
利用附件提供的Matlab Deep Learning Toolbox中的卷积神经网络（CNN），在MNIST手写数字样本集上，利用训练集样本进行训练，并对测试集样本进行测试。
建议阅读附件中的背景知识和工具箱中的CNN源代码，在了解算法原理和技术实现细节基础上，参照示例程序CNN/test_example_CNN.m，自行调整算法中至少一种关键参数或设置，例如调整CNN的卷积层及下采样层的层数、或模板大小等参数；在至少一种与原始程序不同的参数或设置下分别进行训练，做出测试集识别率（或错误率）随参数或设置变化的对照图或对照表，并标出最高识别率对应的参数或设置。
提高任务：物体检测
请参考工具箱中tests/test_example_SAE.m示例文件，利用STL-10数据集中的无标注图片训练一个自动编码器，再用自动编码器隐含层的参数初始化一个神经网络分类器，并使用训练集中有标注的图片进行训练，最后使用神经网络分类器在测试集上进行测试。测试阶段，调用nntest的返回值“er”为测试集上的识别错误率。
在训练过程中，尝试调整算法中至少一种关键参数或设置，例如自动编码器隐含层的节点个数；在至少一种与原始程序不同的参数或设置下进行实验，做出测试结果随参数或设置变化的对照图或对照表。
在test_example_SAE.m中，建议修改第16行和第28行的opts.numepochs数值，比如将原来的1改为3；如果改变自动编码器隐含层节点数目进行实验比较，需要注意：
- 第12行：sae = saesetup([784 100]);
- 第22行：nn = nnsetup([784 100 10]);
中红色标注的参数要修改一致。
报告要求
报告应包含以下内容：
- 在MNIST手写数字样本测试集上，识别率（或错误率）随参数或设置变化的对照图或对照表。
- （选做）在STL-10 测试集上，识别率（或错误率）随参数或设置变化的对照图或对照表。
- 总结收获和体会。
提交报告时，请一并提交自己编写或修改过的源代码。
附件
更多帮助，请阅读实验指导书。
实验指导书和工具箱下载：
http://166.111.6.122/RegionDownloadService/1511/0A6A33E76DFD6DFCD75E20F7C1226B7E3.html
（助教：王晗 wang-han13@mails.tsinghua.edu.cn）
课程项目-智能医药问答
（常嘉辉）
