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。
1、基于深度神经网络的reid技术​1.1)采用局部信息对齐技术进一步提高精度​1.2)Top1识别率达到89%,Top3达93%以上​,即匹配结果在前三名识别率93%1.3)自动区分幼体和成熟体,幼儿未发育完整,无明显特征,统一归为一类,一般通过其母进行跟踪2、QT开发的桌面软件通过XXX部海YY
100Python机器深度学习
在基于信号大数据的雷达辐射源调制研究中,利用MATLAB软件对目前已知的所有调制类型进行仿真建模。这是整个研究的基础步骤,为后续的图形处理和分类等操作提供数据支持。使用大量的图片对核心程序进行训练识别,让程序学习不同调制类型的特征。通过不断的训练,使程序能够准确地识别各种雷达信号的调制类型。
130Python机器深度学习
核心功能模块:AI识别引擎:基于MobileNetV2的迁移学习模型,支持6类水果状态实时分类RESTfulAPI服务:Flask框架提供标准化接口,支持HTTP/JSON通信图像预处理模块:自动尺寸调整、归一化、批量处理可视化测试界面:HTML5前端界面,拖拽上传即时反馈主要功能描述:单张/批量图
90Python机器深度学习
针对个性化图像生成需求,搭建基于DiffusionModel的生成式AI系统,解决特定风格下的小样本图像生成难题,实现高质量的“文生图”与“图生图”功能。
120Torch人工智能
探索集成学习算法在处理高维、稀疏招聘数据时的适用性,特别是针对"职位描述"等非结构化文本特征,研究文本特征工程的优化方法,为薪资预测领域的算法改进提供实证依据。同时,通过SHAP(SHapleyAdditiveexPlanations)解释框架,增强黑盒模型的可解释性,为可解释人工智能(XAI)在人
250Python机器深度学习
1、项目具体功能模块包含3大核心模块:①树莓派4B硬件控制模块(负责小车动力、转向的指令输出);②纯视觉场景标识识别模块(处理操场环境视觉数据);③场景决策与动作执行模块(根据识别结果输出操作指令)。2、项目主要功能描述:以树莓派4B为控制核心,搭载视觉设备采集操场环境信息,实时识别操场跑道线并实现
470EmbeddedSystem机器深度学习
图像采集与预处理模块核心缺陷检测与分类模块缺陷管理与人机交互模块系统控制与通信模块在高分辨率下扫描整个晶圆表面,在图像中检测出各个缺陷并进行分类。得到缺陷检测分类结果后画出mapping图和密度图、生成报告.
350C++人工智能
Todolist心墙 产品系统
1.Todolist日常事项处理2.基于MAB功能的虚拟好友货币交友竞拍功能3.交友模块,可以实现P2P的交流沟通,4.利用AI语意训练模块,猜测用户下一个todo要做什么.
370C++机器深度学习
项目包含三大核心模块:一是AI开发环境快速配置模块,提供Windows系统下Python虚拟环境创建、AI依赖包(TensorFlow、PyTorch)一键安装的命令行工具,自动解决依赖版本冲突问题;二是AI算法运行模块,支持机器学习模型(线性回归、随机森林)、深度学习基础模型的训练与推理,可上传数
330PHP机器深度学习
1.智能数据采集与获取定向评论抓取:通过调用B站官方API接口,输入视频链接(BV号/AV号),可自动化、结构化地获取目标视频下的全部或指定数量的用户评论。支持多级评论:不仅能获取顶级评论,还能抓取评论下的回复(二级评论),提供更全面的数据分析样本。2.前沿AI情绪分析精准情感判断:系统采用基于Tr
660Python机器深度学习
1. 大数据爬虫与智能筛查模块该模块通过大数据爬虫技术,自动采集与筛查校园安全、交通等领域相关的多模态数据,提供高质量的训练数据和分析结果。利用深度学习算法对采集的数据进行智能筛查和分类,为后续的监测系统提供支持。2. 计算机视觉与模式匹配模块该模块主要通过计算机视觉和模式匹配技术,实时分析视频流中
820C++人工智能
Smile2Unlock开源项目
合作开发前端+独立研发后端,分为前端捕获、后端跨语言多架构模型融合深度学习处理识别和Windows自动登录验证三大模块,主要为不支持windowsHello摄像头的电脑提供快速便捷而准确的人脸识别解锁电脑
580C++人工智能
股票预测系统产品系统
本股票预测工具是一套基于机器学习算法的量化分析系统,核心功能包括:每日收盘数据分析系统在每日交易收盘后,自动获取并整理股票历史行情数据及相关衍生特征,对市场状态进行统一分析。个股特征建模与评分通过对价格、成交量、波动结构等多维数据进行特征工程处理,构建用于模型学习的特征向量,并对个股进行量化评分。置
510Python机器深度学习
Offer加速器产品系统
面试场景提取:AI扮演面试场景提取专家,根据用户的求职问题描述,匹配合适的岗位,公司类型,难度等级和面试时长。简历关键信息提取:AI扮演专业的简历解析引擎,专门从非结构化的简历中提取关键信息。面试题生成助理:AI扮演专业级面试题生成引擎,基于多维参数智能构建结构化面试题库。根据面试场景提取的参数和提
471Caffe人工智能
后端管理平台对接设备数据,以及对数据进行处理。前端对接后端处理后的数据,对数据信息进行展示。功能包括设备管理(列表展示设备的基本数据),天气预警(展示温度、湿度的基本的天气信息)、AI预警(设计神经网络等算法对设备的未来趋势进行预测)等功能。
450Java工业互联网
DressYouUp产品系统
本项目为一款集成了智能穿搭与虚拟试衣功能的移动应用。其核心架构采用类微信的底部导航栏,结合MVVM设计模式,管理多个功能模块。应用具备账户登录、实时定位与多城市天气查询功能。在内容层面,应用能以瀑布流形式展示穿搭图片,支持用户根据性别、风格、场景等多维度进行筛选和搜索,并可收藏心仪穿搭。其核心创新功
480Python企业服务
1.分类结果完全可控大多数AI模型是黑盒,分错了只能干着急。本项目内置了“业务规则引擎”,允许您通过配置简单的关键词逻辑来直接干涉预测结果。例如:只要文本中出现“断水、断电”且包含“学校”,可以强制规则将其划分为“校园后勤”类,而无需重新训练模型。这种“AI模型+规则引擎”的双保险机制,确保了在生产
1380Python人工智能
1.实现了数据的采集2.实现了用户管理的增删改查3.实现了设备的统一处理,增删改查,文件导入4实现了设备数据的接收和验证5.针对数据,会进行判断,如数据异常会做相应的报警
651Java机器深度学习
aloha复现产品系统
人类示范的模仿学习在机器人技术中表现出令人印象深刻的性能。然而,大多数成果专注于桌面操作,缺乏执行一般实用任务所需的移动性和灵巧性。在这项工作中,我们开发了一个模仿移动操作任务的系统,这些任务是双手的,并且需要全身控制。我们首先介绍MobileALOHA,这是一个低成本的全身远程操作系统,用于数据收
520Torch人工智能
项目实现了完整的AlphaZero训练与推理流程,包括自我博弈数据生成、基于MCTS的策略改进、策略-价值联合网络训练以及模型评估对弈。支持多种棋类环境扩展(如井字棋、Connect4),结构清晰,模块解耦,便于替换网络结构或搜索策略,用于强化学习与博弈算法的研究与实验。
760Python人工智能
当前共996个项目more
×
寻找源码
源码描述
联系方式
提交