JavaScript

JavaScript是一门高级的、解释型的编程语言,最初由Brendan Eich于1995年在网景公司开发,旨在为网页添加动态交互功能。作为Web核心技术的三大支柱之一(与HTML和CSS并列),它可直接在浏览器中运行,操纵DOM(文档对象模型)和处理用户事件,实现前端页面的动态效果、表单验证及异步通信(如Ajax)。随着Node.js的出现,JavaScript突破了浏览器的界限,能够用于服务器端开发,实现全栈应用构建。其语法灵活且易上手,支持事件驱动、函数式编程和面向对象范式,拥有动态类型和异步处理机制(如Promise和async/await)。尽管存在一些历史遗留的设计缺陷,但通过ECMAScript标准的持续演进(如ES6及后续版本),引入了模块化、类声明、箭头函数等现代化特性,大幅提升了开发效率和代码质量。如今,凭借React、Vue、Angular等前端框架及npm庞大的生态系统,JavaScript已成为全球最广泛使用的编程语言,覆盖了网页、移动应用、桌面程序(Electron)乃至物联网(IoT)开发,是互联网时代不可或缺的技术基石。
整合全球领先体育数据提供商Skillcorner的精准追踪数据,依托Streamlit框架构建高度交互的分析环境,打破数据获取与处理的技术壁垒,让专业人员聚焦于数据本身的价值挖掘。将复杂的多维运动数据转化为直观易懂的战术洞察,赋能教练、分析师与管理层。在球员招募、球队战术优化及比赛表现评估的全流程中
600Java人工智能
可以查询各院校的分数线与报录人数,查询往年的国家线,还可以查询各个院校的考研专业目录,还可以输入自己的预期总分,系统会预测当年的分数并给出学生当前分数的上岸难度
350Python机器深度学习
本项目包含七大功能模块:1)数据采集与管理:对接电池充放电设备,采集电压、电流、温度等时序数据并存入MySQL,支持历史数据查询与导出;2)SOC荷电状态估计:采用安时积分与开路电压标定融合的多策略算法,经牛津退化数据集实测,SOC估计误差RMSE2.48%、MAE1.85%;3)SOH健康状态监测
730Java机器深度学习
系统提供两种互斥的检测模式。检测模式基于YOLO目标检测识别零件状态,通过类别标签自动判断每个工序的OK或NG状态,NG状态具有粘性锁定特性。规则SOP模式基于几何条件判断,结合YOLO目标框和MediaPipe手部关键点,识别取件、检测、放回、限位读取四类工序,其中检测工序支持内窥镜拍照触发,限位
1140C++智能硬件
自动预标注:加载sam模型,图片进行预标注。可加载自定义训练好的小数据集yolo模型,对大数据集进行预标注。手动编辑:绘制、移动、缩放、微调边界框;删除/清空/修改类别与置信度三类标注显示:检测框、Pose关键点骨架(按类别自定义放射状连接)、Seg分割多边形标签导出:YOLO检测/Pose/Seg
780C#机器深度学习
系统分为普通浏览用户、数据运营人员、系统管理员三类角色。1.普通浏览用户:查看可视化大屏总览,浏览票房统计、影片类型占比、地区上映分布、评分排行等各类图表,筛选基础条件查看对应影视数据。2.数据运营人员:影视数据导入与更新,配置图表展示维度,导出统计报表,设置大屏筛选时间范围、影片分类条件。3.系统
730Python机器深度学习
1.大容量点云标注:最高支持200帧点云同步加载,支持同时叠加200帧点云以标注静态物体,支持点云向图像投影,辅助确认目标物体属性,提升标注准确度。2.图‑点云融合联合标注:实现图像与点云数据的空间对齐映射,支持双视图联动,完成一一对应标注作业。3.物体关键点标注:支持车辆轮胎等目标对象的关键点定位
1070Python机器深度学习
项目构建了一套完整的心脑血管风险预测与群体健康数据分析平台,包含个人风险评估、机构批量分析、数据可视化、历史趋势分析及健康建议等核心模块。个人端基于双XGBoost模型分别预测心脏事件和脑卒中风险,并提供五级风险评级、关键因素解释及情景模拟;机构端支持CSV大数据上传、重点人群筛选、区域聚合统计和多
1190Python医疗健康
系统采用六标签页Web交互界面,包含五大核心模块:①多品种数据加载,支持股票/ETF/指数/基金,内置三级缓存降级与CSV离线兼容方案;②交互式可视化图表,均线、价量、RSI/MACD/KDJ等技术指标动态绘图;③机器学习涨跌预测,构造11维行情因子,提供逻辑回归、随机森林双模型自动择优;④双均线策
1930Python金融
编号 功能名称 功能描述F1 多轮对话管理 支持创建/切换/删除会话,保留完整消息历史上下文F2 智能路由决策 自动判断用户意图(闲聊/知识问答/简单任务/复杂任务)F3 任务规划 将复杂需求拆解为结构化步骤序列,标注依赖关系表3-1系统功能性需求(续)编号 功能名称 功能描述F4 自主工具执行 A
1610Java人工智能
系统包含六个主要功能模块:①多源数据接入与预处理,支持图像、视频、点云、相机位姿及自定义配置文件导入,并完成坐标对齐、时间匹配和格式转换;②跨模态语义解析,通过多尺度视觉特征提取和像素—体素映射,将二维语义信息映射至三维空间,并利用多视角一致性生成稳定语义结果;③动态目标检测与追踪,识别车辆、行人等
1330Python人工智能
1.七层纵深防御引擎:按请求生命周期依次执行——早期拒绝(方法/UA/路径特征过滤)→扫描器指纹识别(24+签名库)→蜜罐欺骗(6种虚假响应类型)→IP速率限制→CSRF防护→路径归一化与混淆检测(5条启发式规则)→反向代理转发→响应安全头注入。2.蜜罐反制系统:6+种虚假服务响应(dotenv泄露
890HTTP网络安全
1.数据采集模块:从Open-MeteoAPI拉取某城市15年的的逐日气象数据模型训练模块:杂交LSTM架构:共享Encoder(lstm1→lstm2),温度走自回归decoder,湿度/风速/降水走直接多步输出Web可视化面板:前端展示模型评估,未来天气预测,历史数据分析和AI聊天助手页面2.预
1350Python机器深度学习
1.4.1中药材智能识别与检测1.4.2自动化入库与出库管理1.4.3仓储环境实时监控与预警1.4.4基于RFID的全程追溯管理1.4.5 药材保质期智能预测1.4.6库存管理与智能预警1.4.7质量档案与追溯查询1.4.8 数据可视化与分析报表
1290Python物联网
1、微信/账号登录2、微信/支付宝支付3、导入视频并截取基础片段4、视频预处理:自动获取镜头时间5、智能生成基础场景信息6、场景总览、搜索、分页浏览7、单场景预览8、进入场景编辑页手动剪辑9、添加、删除、修改场景描述10、手动选择镜头片段并保存11、保存并预览单个场景12、导出已剪辑视频13、多视频
1160PHP人工智能
数据预处理模块 全量8个CSV文件合并→缺失值中位数填充(按类别分段)→Z-score标准化(fitontrain)→7:3分层划分;模型训练模块 PyTorch从零搭建CNN-1D和LSTM;两层评估模块第一层:Binary检测(异常vs正常)—Precision/Recall/F1;第二层:五分
1120Python机器深度学习
本项目面向城市环境声音识别场景,可用于智慧城市噪声监测、公共安全辅助感知、音频内容分析等业务。系统以UrbanSound8K数据集为基础,对城市中常见的环境声音进行自动分类,例如空调声、汽车鸣笛、儿童玩耍、狗叫、钻孔、发动机怠速、枪声、破碎机、警笛和街头音乐等。项目解决了传统人工听辨效率低、主观性强
1400Python机器深度学习
1.多源数据管理:支持NASA、CALCE等7个公开数据集导入及用户上传CSV,自动完成标准化与特征提取。2.健康状态评估(SOH):输出当前SOH值、容量衰减轨迹及不确定性区间。3.剩余使用寿命预测(RUL):基于xLSTM-Transformer混合架构预测容量衰减曲线、剩余循环次数、寿命终止点
1150Python机器深度学习
Prism开源项目
1.数据剖析—自动推断类型,统计均值/标准差/分位数/偏度/峰度,IQR异常值检测,直方图,缺失值/唯一值统计2.质量检测—10种内置规则:无空值、无重复、值范围、正数检查、无空字符串、最小/最大长度、允许值、正则匹配,支持自定义规则3.报告生成—HTML报告(卡片式概览+列表式列统计+质量检查表)
1170HTML5人工智能
功能介绍本项目实现了一个完整的信号处理与分析系统,能够对含噪信号进行频谱分析和滤波处理:1.多频信号合成-生成单频、双频、多频叠加的复合信号-支持自定义各频率成分的幅值和相位-可灵活设置采样频率和信号时长2.噪声叠加与仿真-添加高斯白噪声模拟真实环境-支持不同信噪比(SNR)的噪声水平-可对比分析噪
840Python教育校园
当前共68个项目more
×
寻找源码
源码描述
联系方式
提交