机器深度学习

机器学习,深度学习是人工智能的核心分支,致力于让计算机系统通过数据驱动的方式自动学习和改进性能,而无需显式编程。其核心是从数据中识别模式或规律,构建数学模型,使计算机能完成预测、分类、聚类等任务。主要类型包括监督学习、无监督学习和强化学习。机器学习广泛应用于自然语言处理、计算机视觉、推荐系统等领域,正重塑各行各业,是当前AI爆发的核心技术之一。
风速预测产品系统
系统主要实现风电功率时间序列预测功能,包括原始数据清洗、异常值处理、滑动窗口样本构建、功率序列分解、深度学习预测和误差指标评估等模块。系统先对风电功率数据进行预处理,再利用CEEMDAN和EWT方法将复杂功率信号拆分为多个更稳定的子序列,随后分别训练LSTM模型进行预测,最后将各子序列预测结果重构为
60C++机器深度学习
PrAlmodel开源项目
从零构建一个全新的、与现有所有AI架构无关的类脑认知系统。不预设任何功能模块,模拟大脑皮层的Pr-Al分子梯度轴,让网络在与环境和任务的交互中自发分化出不同功能区域。核心创新创新 说明 人脑对应层级预测编码 4层网络,每层独立预测,预测误差驱动学习 皮层分层结构(V1→V2→V4→IT)Pr-Al功
121C++人工智能
UAVagent1.0产品系统
本项目的核心创新并非单一算法的修修补补,而是在系统架构层面重新审视了无人机智能感知任务的执行范式。传统无人机视觉系统通常遵循一种固定的流水线——检测然后跟踪然后依据预设逻辑做出响应——这种模式在面对复杂多变的自然语言指令或未曾预见的边缘场景时显得僵硬而脆弱。UAVagent1.0通过引入异构多智能体
101Python人工智能
该系统通过传感器实时采集海缆焊缝的点云数据,并基于改进的U-Net网络进行焊缝缺陷识别,自动检测焊缝表面缺陷,并生成质检报告。其中作为核心开发成员负责改进U-Net网络的算法开发,用于精确识别焊缝缺陷,同时还负责与传感器的通讯模块开发,确保系统能够稳定稳定获取并处理点云数据,完成质检任务,以及基于q
230C++机器深度学习
1.数据处理与特征工程:自动构建生存分析数据集,利用空间索引算法计算历史路径依赖、地理决定论等多维时空特征,并进行数据清洗与平滑处理。2.混合建模与竞赛优选:内置Cox模型竞赛引擎,自动筛选最优理论模型;集成随机生存森林与梯度提升算法,实现高精度风险预测。3.结果评估与解释:提供C-index交叉验
230Python人工智能
本项目主要包含目标检测、骨架提取、位姿解算和视频流处理四大功能模块,主要功能描述如下:1、系统基于YOLO-OBB算法,实现对目标工件的高精度掩膜提取。2、利用Ada-LSN网络,系统能够在复杂工况环境下精准提取出单工件的骨架点集。3、通过内置的多边形求交与拟合算法,系统能够高精度地量测出工件的倾斜
220Python人工智能
核心技术:YOLO视觉算法(YOLOv5/v7/v8),针对跌倒检测优化功能:通过实时视频流识别跌倒、触发警告、降低安全风险性能:端到端检测,30+帧/秒,准确率超过95%
360Python机器深度学习
本导览设备搭载深度学习推荐算法,采集用户兴趣、实时位置、游览行为等数据,构建用户画像。智能匹配景点资源,实现个性化景点推送、最优游览路线规划;支持语音讲解、实时定位导航与多模态交互,可动态更新推荐内容,适配不同人群游览需求,提升景区、展馆智能化导览服务体验。
430Torch人工智能
本系统包含三大核心功能:检测:支持图片、视频、摄像头三种模式,创新性地实现了置信度自适应处理和参数可调检测,检测结果会生成AI治理建议。训练:支持用户上传自己的数据集进行模型训练,可调节多种参数,后台异步执行。资源储蓄:模型库和数据集支持上传、下载、收藏、点赞,检测结果自动存储并支持收藏延长保存期。
330Python人工智能
实现Windows平台下ComfyUI与StableDiffusion深度学习绘图框架搭建。封装Bat/PowerShell脚本自动化启停脚本,内置显存优化策略,同时汇总环境配置、版本兼容、依赖报错等全套落地排坑方案,实现开箱即用的私有化AI绘图服务。
470Python人工智能
项目简历:基于Qt搭建停车系统客户端,MySQL实现数据存储;采用Socket与自定义协议实现网络通信;集成OpenCV完成车辆抓拍、车牌识别、自动计费及视频管理,完成分布式服务端-客户端联调功能模块:网络通信与数据同步,检测车辆和人脸,实时数据显示:车辆信息、停车时长、费用计算等数据实时更新,视频
320C++音视频多媒体
1、基于Ollama+Flask架构,搭建轻量化Web聊天界面,支持Qwen3.5、Qwen2.5、Qwen-VL视觉多模型切换与图文解析。2、内置全套自动化脚本,支持一键启动、一键关停服务,可配置系统开机最小化自启动,自动规避Ollama多进程端口冲突问题。3、配套国内镜像安装指引、Ollama离
420Python人工智能
首先是基础架构,通过Flask等框架实现登录注册与用户管理,确保身份认证与权限控制;其次是数据感知,利用爬虫技术自动采集外部信息;进而进入核心智能阶段,涵盖模型训练以赋予Agent领域能力,以及通过提示工程或强化学习进行模型调优以提升执行精度;最后是结果呈现,借助可视化工具将Agent的分析结论转化
910Python人工智能
本爬虫采用多台Linux服务器,有低功耗,高性能,突破反爬,断点续采等优点,具体表现如下:1,提升采集效率:实现同时从100+资讯源采集数据,日采集量突破10万条,热点新闻采集延迟控制在15分钟以内;2,突破反爬限制:有效应对IP封锁、验证码验证等反爬机制,确保核心资讯源的采集成功率不低于95%;3
300Node.js音视频多媒体
负责漂浮物视觉感知算法研发,实现漂浮物目标检测、距离估算、尺寸测算等功能;完成感知结果与前端地图系统对接,实现漂浮物位置及大小的实时可视化展示,并参与地图交互形式优化与项目落地。
430C++机器深度学习
系统主要包含用户登录注册、文本情感实时分析、分析结果保存、后台数据管理、情感统计和可视化展示等功能。用户可以在前端页面输入中文文本,系统调用后端情感分析模型判断文本的正负向倾向,并将结果返回页面展示。管理员可以查看和管理历史分析数据。系统还通过ECharts图表展示情感分类数量、占比和整体分布,使文
420Python电商
本系统实现了一套基于文本引导的图像颜色编辑流程,主要功能包括:1.文本引导图像编辑:支持通过自然语言描述对图像内容进行颜色修改,例如指定物体颜色或调整局部区域;2.目标区域自动定位:基于跨模态语义理解,自动识别图像中与文本相关的目标区域,实现精确编辑;3.颜色可控生成:结合扩散模型生成能力,使颜色编
320Python人工智能
功能介绍:1.细长静电线链接CV算法识别(属于cv算法模型识别小目标中的细长特难目标检测)2.工作人员值守识别3.当装卸车作业时,未连接静电线就开始作业时,预警
600C++人工智能
1.多阶段训练策略,对高光谱图像进行空间-光谱解耦2.设计空间-频域增强模型3.结合Tucker分解原理,设计渐进式残差光谱增强模型4.设计空间-光谱渐进式融合模块,实现对光谱和空间信息的相互融合
290Torch人工智能
雷达数据处理产品系统
点云聚类目标跟踪航迹框生成场景识别利用模型去做端到端处理算法工作全部涉及测试验证模型量化部署实现符合要求的全部功能还可以按照需求进行扩展开创性的引入模型在工程化的工作中
350C++汽车
当前共1118个项目more
×
寻找源码
源码描述
联系方式
提交