项目介绍：本项目旨在解决复杂网络中的链路预测问题及增强模型的可解释性，提出了一种结合图神经网络（GNN）和贝叶斯网络的创新框架。通过多层次的图神经网络提取节点的局部和全局结构特征，并结合节点属性信息，利用贝叶斯网络进行概率推理，在SCHOLAT数据集上实现了93%的准确率，在YST数据集上实现了81

●项目介绍：本项目设计并实现了一个从单张人脸图像预测BMI的端到端系统。我们自行爬取数据并制作数据集，设计并实现了一个轻量级CNN。最终，模型在独立测试集上取得了4.39的平均绝对误差（MAE），并使用Flask框架将其封装成一个可交互的Web应用，完整实现了从数据获取、模型训练到服务部署的全流程。

1.基础蒸烤功能模块实现蒸、烤、蒸烤组合等核心烹饪功能温度控制（室温至最高温度的精准调节）时间设定与控制多种预设烹饪模式（如烘焙、烤肉、蒸鱼等）安全保护机制（过热保护、超时保护等）2.菜谱功能模块内置多种菜品的菜谱数据库菜谱分类与检索功能分步烹饪指导食材与调料用量建议用户自定义菜谱存储与分享3.摄像

同一型号零件进入工业相机（固定帧率）视野范围内时，系统对其进行检测，区分零件的各个面拍照并进行标识，随后进行尺寸检测及，表面缺陷检测。零件旋转翻转后，系统通过抓取到的图片再次进行检测并进行表示。检测结果将以时间-批次-面-缺陷类型-缺陷图片存档进行保存并返回上位机。

基于StableDiffusion开源接口构建的AI视觉创作平台，在交互与功能层面实现全链路优化：前端采用Vue框架打造直观流畅的操作界面，用户可轻松完成参数配置、模型选择与生成预览；模型应用支持双模式——既提供经过性能优化的系统预置模型，满足快速出图需求；也开放用户自定义训练通道，允许上传专属数据

非接触式监测：使用医用级摄像头对保温箱内早产儿进行持续视频采集，避免传感器接触对婴儿造成的刺激深度学习姿态识别：基于改进的YOLOv4/YOLOv5算法，实现对早产儿关键身体部位（头部、四肢、躯干）的精准定位和姿态分类异常行为检测：通过时序分析识别异常姿态模式（如持续性异常体位、活动减少等），及时预

平台包含以下核心功能模块：VeriMind™AI引擎：智能方案生成、需求分析、团队匹配、成功率预测、项目Copilot助手三端服务系统：企业端（需求发布、项目管理、财务中心）、学生端（项目大厅、任务看板、个人档案）、高校端（资源管理、设备预约、项目监督）交易与激励系统：分阶段支付托管、钱包管理、VI

主要对xx平台的视频质量评估项目进行需求拆解、数据处理、业务快速理解，最终给出评判一个视频质量高低的因素。从统计学角度和机器学习角度两方面进行分析和建模，给出了统计学结果和机器学习模型结果，并根据结果进行了效果验证和详细的数据分析，针对从数据模型表现上发现的一些异常点，给出了业务解释和业务指导，整体

针对业务现状，业务各维度分析，核心结论和建议，数据驱动，由数据发现业务问题。针对业务现状，业务各维度分析，核心结论和建议，数据驱动，由数据发现业务问题。针对业务现状，业务各维度分析，核心结论和建议，数据驱动，由数据发现业务问题。

该系统支持遥感图像上传与管理、多模型（如RT-DETR、YOLO系列）目标检测任务动态调度、检测结果可视化标注，并集成本地大模型（如DeepSeek-R1、Qwen3.0、Gemma3）对识别结果进行语义理解与专业解读，例如生成地物分类报告、变化检测分析或应急响应建议。同时提供用户权限管理、任务历史