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。
核心模块:包含dat格式解析与重组、滑动窗口智能切分、多维可视化(时/频/时频域联动)、音频回放校验及批量标注导出五大模块。功能描述:支持DAS专有二进制格式的直接读取与解析,通过“视听协同”辅助人工判读,一键生成深度学习训练样本。工具解决了传统标注效率低、边界识别难的问题,将标注效率提升40%以上
130C++人工智能
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)
70HTML5人工智能
下位机:通过对激光雷达所采集实时点云进行分析,融合视频图像识别目标类型,针对不同的目标类型产生对应的事件上报至上位机;接收来自上位机的协议指令并执行上位机:综合下位机上报的事件产生不同等级的告警客户端:提供全网所监测路段的实时监控,并提供历史数据的查询及报表分析
90C++机器人
独立开发的开源智能数据处理平台。用户拖拽Excel/CSV即可自动完成数据清洗、统计分析、AI洞察报告生成。功能覆盖:自动编码检测(GBK/UTF-8)、7类数据问题检测、5种缺失值填充策略、Z-score异常值检测、列级可视化质量面板、AI自然语言清洗、AI数据问答、HTML交互报告、操作历史撤销
230Python人工智能
工程上实现工业机器人(贯流风叶检测机),贯流风叶从入口进入,电子摄像头(2个)采集旋转的贯流风叶的表面图像,通过检测算法,将风叶识别为有无瑕疵(若有瑕疵,机器记录是何种瑕疵),分别从机器输出端两个出口输出。检测算法,基于yolov-5算法,建立基础数据集,训练出检测模型,实时快速检测风叶瑕疵,检测率
190C++机器深度学习
法律资源库产品系统
9个法律资源智能体快速检索,即关键词检索智能检索,多条件检索,结果中检索全文检索,复合条件筛选,特色专题库,提供特定法律领域的深度资源自建库,自定义收藏和组织法律资源
180Java机器深度学习
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
170Python教育校园
本项目实现了一个完整的4自由度机械臂运动仿真系统,具有以下核心功能:1.正向运动学计算根据4个关节角度(q1,q2,q3,q4)实时计算机械臂各连杆和末端执行器的空间位置支持任意时刻的关节位置查询可视化展示机械臂当前姿态2.逆向运动学求解输入目标末端位置(x,y,z)和姿态角度自动反解出4个关节的目
200Python机器深度学习
实现VAD切割、说话人分离、视觉特征提取,构建文本‑音频‑视觉三路混合索引。微调BERT意图分类(4分类F1=0.92),LLM策略路由(直接检索/HyDE/子查询拆解)。融合BM25+语义向量+Cross‑Encoder精排,并构建Neo4j认知图谱。
230Python人工智能
采用A2A宏观上的调度+LangGraph微观上的react执行,使用RedisStreams实现分布式消息总线,编辑与安全Agent并行审核。
200Python人工智能
基于优化的SwinIR图像修复算法搭建了一套端到端的多任务图像修复系统,核心功能模块包含图像预处理模块、多任务模型推理模块、Tile分块增强模块、结果后处理与导出模块以及可视化交互界面,系统支持图像超分辨率重建、图像去噪、JPEG压缩伪影去除三类核心修复任务,用户可通过可视化界面完成图像上传、任务类
300Java人工智能
智能党建系统是一个基于微服务架构的党员发展材料全流程管理系统,旨在实现党员发展工作的规范化、智能化管理。系统采用前后端分离的开发模式,后端使用SpringCloud微服务框架,前端使用Vue3构建,为基层党组织提供一套完整的党员发展信息化解决方案。技术架构系统后端采用SpringBoot2.7.15
180Java政务
项目主要围绕图像处理与数据分析展开,包含若干可扩展的功能模块,用于支持不同类型的任务配置与结果展示。系统提供基础的可视化界面与流程管理能力,能够适应多种应用场景,提升整体工作效率与操作体验。
190Torch人工智能
本项目主要实现科研实验数据的读取、清洗、分析和可视化展示。支持对Excel、CSV、TXT等格式数据进行导入与整理,可完成缺失值处理、异常值检查、重复值删除、数据归一化、标准化处理和指标计算。在图表绘制方面,可根据实验需求生成折线图、柱状图、散点图、预测值与真实值对比图、loss曲线、RMSE/MA
340Python机器深度学习
本项目主要完成航空发动机多传感器退化数据的处理、建模与结果可视化。功能包括:原始数据读取与整理、发动机RUL标签构建、传感器特征筛选、数据归一化与标准化处理、滑动窗口样本构造、训练集与测试集划分、深度学习模型训练、预测结果输出和评价指标计算。项目可实现对发动机剩余寿命的预测,并通过RMSE、MAE、
450Python机器深度学习
项目主要包括气象数据采集模块、深度学习预测模块、台风路径分析模块、风险预警模块、可视化展示模块以及业务管理模块。系统可实时接入卫星云图、雷达数据、海温数据及历史气象数据,通过LSTM、Transformer等模型对台风路径、风力等级、降雨量进行预测分析;同时结合GIS地图实现动态轨迹展示与影响区域分
260Python人工智能
本项目主要包含API转发网关、统一鉴权系统、模型路由管理、负载均衡、高可用容灾、日志监控、用户额度管理以及CLI兼容层等多个功能模块。系统支持对Codex、ClaudeCode等源码协议进行兼容转发,可为cccli、codexcli等客户端提供稳定API服务。平台支持多上游节点自动切换、失败重试、请
450PHP项目任务
本项目面向卫星载荷在轨运行场景,目标是构建一套可部署在星载计算平台上的综合任务管理软件,支撑地面指令接收、任务调度、状态采集、数据处理和遥测下传等核心业务。系统围绕“指令进入、协议解析、任务执行、状态监控、结果反馈”的业务闭环设计,提供指令处理、数据总线、协议编解码、智能处理任务编排、设备状态采集、
420C++边缘计算
1.支持Qwen、Llama等主流开源大模型本地部署和推理;2.提供RAG知识库问答功能,支持文档上传和智能检索;3.内置API接口,支持第三方应用集成;4.支持多轮对话、文本生成、代码生成等功能;5.提供图形化管理界面,支持模型切换和参数配置。
340Python人工智能
1.使用YOLO11-OBBONNX定位车牌旋转框2.使用旋转框四点透视矫正车牌3.使用LPRNet/CRNNONNX识别车牌号4.PyQt5专业界面显示检测框、裁剪图、识别结果、置信度5.支持中文路径读取图片6.支持保存结果图
270Python机器深度学习
当前共1143个项目more
×
寻找源码
源码描述
联系方式
提交