WITHDRAWN: College student employment data platform based on FPGA and machine learning

Lin, Xu

doi:10.1016/j.micpro.2020.103471

Cited by 4 publications

(2 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…How to use the job recruitment information and requirements of enterprises to provide students with employment information that is convenient and well aligned with personal needs has become a research topic in domestic universities [2]. At present, most college employment information management platforms only have simple recruitment information search and screening functions, which cannot intelligently and effectively provide accurate and effective employment guidance and employment recommendations for each graduate, and lack corresponding recruitment information recommendation functions [3]. Therefore, it is impossible to provide timely and high-quality employment and recruitment information to college students; at the same time, enterprises cannot easily obtain talent information that meets the job requirements [4].…”

Section: Introductionmentioning

confidence: 99%

Research on personalised recommendation algorithm for college students’ employment

Li¹

2023

Applied Mathematics and Nonlinear Sciences

View full text Add to dashboard Cite

With the rapid development of the market economy, a large number of enterprises provide many jobs with different requirements. In the traditional application process, college students need to search the job requirements of each company one by one to match their own needs and conditions, which not only requires a lot of time and opportunity costs, but also has poor matching degree. This paper uses the recommendation and machine learning algorithms to match and optimise the job characteristics and needs according to the professional type, interest and specialty, employment area and personal preference of college students through the algorithm, and recommends suitable positions for college students to improve their success in application and increase their employment satisfaction rate.

show abstract

Section: Introductionmentioning

confidence: 99%

Research on personalised recommendation algorithm for college students’ employment

Li¹

2023

Applied Mathematics and Nonlinear Sciences

View full text Add to dashboard Cite

show abstract

“…RF algoritması eğitilirken, kendi yapısına uygun çalışma prensibine sahip teknolojiler üzerinde uygulanması genel sonuca ulaşmada verimlilik sağlayabilmektedir. Field Programmable Gate Array (FPGA) entegre devreler, paralel işlem yapabilme yeteneğine sahip olduğundan, makine öğrenmesine dayalı donanım uygulamaları üzerine kullanımı performansı arttırmaktadır [6][7][8]. Programlanabilir lojik cihaz teknolojilerindeki gelişmeler ile FPGA'lar, dijital sistem tasarımlarında fazlasıyla kullanılmaya başlamıştır.…”

Section: Introductionunclassified

Random Forest Algoritmasının FPGA Üzerinde Gerçekleştirilerek Performans Analizinin Yapılması

Kumral

Topal

Ersoy

et al. 2022

ECJSE

View full text Add to dashboard Cite

Random Forest (RF), rastgele oluşturulmuş birden çok karar ağacının çıktısını birleştiren, regresyon ve sınıflandırma problemlerini çözmek için kullanılan bir makine öğrenme algoritmasıdır. RF algoritması, karar ağaçlarının tahminlerinden yola çıkarak sonuca ulaşmayı sağlar. Ormandaki ağaç sayısının artması algoritma sonucunun kesinliğini arttırır. RF algoritması ormandaki karar ağaçları üzerinde rastgele ve sürekli olarak işlem gerçekleştirdiği için paralel mimaride platformlar üzerinde çalıştırılması ile olumlu sonuçlar elde edilebilir. Field Programmable Gate Array (FPGA) entegre devreler, paralel işlem yapabilme yeteneğine sahip olduğundan, RF algoritmasının donanım üzerinde gerçekleştirilen uygulamalarında kullanılması performansı arttırmaktadır. Gerçekleştirilen çalışmada RF algoritması sayısal bir veri seti ile hem MATLAB üzerinde hem de FPGA üzerinde çalıştırılarak sınıflandırma işlemleri gerçekleştirilmiştir. Algoritmadaki işlem modüllerinin ve tüm mantıksal tasarımların geliştirilmesi aşamalarında Very High Speed Integrated Circuit Hardware Description Language (VHDL) kullanılmıştır. VHDL ile oluşturulan tüm tasarımlar Xilinx ISE geliştirme ortamında gerçekleştirilmiştir. Bilgisayar işlemcisi üzerinde MATLAB kullanılarak çalıştırılan ve FPGA mimarisi üzerinde çalıştırılan RF algoritmasının performans, doğruluk ve bellek kullanım oranları açısından karşılaştırmaları yapılarak elde edilen sonuçlar incelenmiştir. Gerçekleştirilen çalışma sonucunda, RF gibi yoğun işlemler ve hesaplamalar yürüten uygulamalarda FPGA kullanımının performans ve bellek kullanımı yönünden bilgisayar işlemcilerine kıyasla yüksek oranda başarı sağladığı görülmüştür.

show abstract

Security based Electronic Voting Machine using Xilinx tool

Reddy

Radha

Taufiq

et al. 2022

2022 2nd International Conference on Power Electronics &Amp; IoT Applications in Renewable Energy and Its Control (PARC)

View full text Add to dashboard Cite

WITHDRAWN: College student employment data platform based on FPGA and machine learning

Cited by 4 publications

References 11 publications

Research on personalised recommendation algorithm for college students’ employment

Research on personalised recommendation algorithm for college students’ employment

Random Forest Algoritmasının FPGA Üzerinde Gerçekleştirilerek Performans Analizinin Yapılması

Security based Electronic Voting Machine using Xilinx tool

Contact Info

Product

Resources

About