Apache

模块化设计,各功能独立、可复用:1.FPGA采集与信号处理模块:多通道同步ADC采集、可编程激励信号生成(DDS)、实时滤波与解算;2.ARM嵌入式控制模块:外设驱动、通信协议栈(UART/SPI/I2C/CAN)、闭环控制逻辑;3.上位机监控模块:串口/USB/网口通信、实时波形显示、参数下发、数
130C++智能硬件
系统围绕用户兴趣建模、资源特征分析、混合推荐计算、推荐结果展示及反馈优化构建完整服务链路。用户登录图书馆门户后,可在个人服务区域查看根据其研究方向、资源偏好和历史行为生成的个性化推荐结果,内容可覆盖专业图书、电子资源、课程资料及相关学术内容。推荐页面以书名、封面、作者、出版社和资源类型等信息呈现候选
90Java机器深度学习
平台由空间预约、可视化座位管理、AI人脸识别、边缘智能分析、无感签到签退、岗位状态监测、异常事件处理、规则引擎及数据看板等模块组成。用户可按日期、场所和座位查看空闲、已预约、使用中及不可用状态,并在线完成预约和记录查询。现场摄像设备将授权区域的视频流接入边缘计算节点,由边缘侧视觉算法执行人脸检测与识
70Java边缘计算
1.多轮智能主循环:意图规划、内容探测、广覆盖检索、立场发现、多辩论收敛,自动决定何时深挖何时终止。2.知识框架沉淀:每轮增量更新话题时间窗、实体、关系、时间线、争议点、子话题与立场分布,并做快照留档。3.多源抓取层:统一编排MediaCrawler子进程(微博/抖音/小红书/B站/快手)、海外X/
210Python人工智能
在机器学习金融时间序列研究中,若只依赖于股价回归训练,模型容易吸收复权制度差异与短期交易噪声,使得事件信息含量与制度性尺度变化难以区分,导致回测失真;因为股价本身并不是时间序列,而是由事件驱动而导致的连锁反应。为了研究事件对股票市场的连锁反应的主要因素,以及什么方法更能捕获事件对股票市场的驱动能力,
390Python人工智能
摄像机放在斯诺克桌子正上方的灯中间,用一台小型工控机,一拖二进行ai识别球识别,识别球号,跟踪球体运动轨迹,碰撞球判定,进球判定,最后依照斯诺克的规则进行计分
620C++人工智能
本项目包含七大功能模块:1、任务执行引擎:LLM工具调用循环,集成16个工具(计算、时间、GitHub搜索、网页浏览、文档检索、文件读写等),Agent自主规划并执行任务2、知识库问答:RAG混合检索(LLM查询扩展+RRF排名融合),回答带来源引用,有效降低幻觉3、双记忆层:mem0语义记忆(向量
1130Python人工智能
项目围绕OCR/AI模型的测试与评估,划分为以下核心模块:(1)功能测试模块:验证OCR引擎对不同类型图片(证件、票据、通用文本)的识别能力,包括字符级准确性、字段级完整性、特殊符号处理、旋转/倾斜校正等。(2)效果评估模块:构建标准测试数据集(含标注groundtruth),自动化计算模型在各类场
620Python机器深度学习
,AI开发辅助工具,帮助程序员写出更好更标准的代码,是微调后的轻量化模型,效果开闭大型的模型AI开发辅助工具,帮助程序员写出更好更标准的代码,是微调后的轻量化模型,效果开闭大型的模型
610Java人工智能
,AI开发辅助工具,帮助程序员写出更好更标准的代码,是微调后的轻量化模型,效果开闭大型的模型AI开发辅助工具,帮助程序员写出更好更标准的代码,是微调后的轻量化模型,效果开闭大型的模型
590Java人工智能
自然语言Text2SQL全链路能力:基于LangChain+Qwen-turbo构建AIAgent,输入养护业务自然语言,自动解析意图、检索库表结构、生成合规查询SQL并执行,输出结构化病害统计数据;RAG知识库与自进化学习:集成Chroma向量数据库搭建市政养护知识库,结合Few-shot示例提升
1140Python人工智能
本项目是一个基于Python和Pandas库的Excel数据清洗与分析工具,包含以下功能模块:1、数据清洗模块:自动检测并删除空行、空值,去除字符串前后多余空格,统一数据格式和编码;2、数据分类模块:根据数值范围自动为数据添加分类标签,如薪资等级划分、成绩等级评定等;3、统计分析模块:自动计算各项数
740Python电商
当前智能制造、机器视觉、无人机控制、通信信号处理、新能源监测、网络数据采集多领域数字化需求爆发,工业产线质检、交通车辆检测、光伏储能运维、飞行器飞控、高速通信信号优化、网络信息抓取等场景均亟需AI算法与软件配套解决方案。传统单一功能系统通用性差,企业常需多套工具分别处理图像识别、数据采集、设备控制任
840Caffe人工智能
每个岗位员工可自己创建自己的AI员工:如排产AI员工、采购AI员工、跟单AI员工、办公助理AI,自主完成重复性、标准化业务工作,释放人力聚焦高价值经营决策。
1020Caffe人工智能
面向端侧推理的大语言模型知识蒸馏实验项目。选型CogLang——一个面向用药安全领域的专用大模型作为教师模型,通过激活迁移和层剪枝技术将其核心能力压缩为学生小模型,目标是在药名识别和相互作用判断任务上保持90%以上准确率的同时将推理延迟降低至端侧可接受范围。技术路线包括:教师模型特定层的激活值提取与
930Python人工智能
本项目实现了一个可调控生物节律LED光源分析与优化系统,主要功能包括:1)读取并清洗LED光谱功率分布SPD数据,完成波长、功率和单位的预处理;2)基于CIE色度学模型计算相关色温CCT和色偏差Duv;3)基于TM-30显色评价方法计算保真度指数Rf和色域指数Rg;4)基于CIES026/E生理节律
930Python人工智能
1.文档智能导入:支持PDF、Word、TXT、Markdown格式,自动切片和向量化2.中文语义搜索:基于BGE中文向量模型,精准理解中文语义而非关键词匹配3.智能问答:结合检索结果与大模型生成准确回答,支持多轮对话4.来源标注:每个回答标注引用的原文段落,可溯源可验证5.Web界面:开箱即用的对
1100Python人工智能
算力平台产品系统
一站式AI模型部署与管理平台,提供Qwen、Deepseek、GLM、Gemma等主流大模型服务。简单易用、安全可靠、弹性扩展,助力企业快速构建AI应用。
970Caffe人工智能
分类模型检测开源项目
#ClassificationPost-ProcessingforHawk##OverviewAgenericONNXclassificationblockthatrunsafteranomalydetectioninHawk'spost-processingpipeline.Itclassifie
660Caffe人工智能
图片上传→AI自动处理→生成雕刻路径G代码智能识别图案、纹理、边界,自动优化雕刻参数工艺参数智能推荐(功率、速度、频率)端侧实时推理,嵌入式设备离线运行后台管理、任务调度、日志监控
1770Python人工智能
当前共35个项目more
×
寻找源码
源码描述
联系方式
提交