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。
PaperScope是一个用于实时抓取、筛选、评分和导出学术论文的Python工具,支持本地Web界面和CLI。1.多来源抓取:arXiv、NeurIPS、ICML(OpenReview主源,PMLR回退)、JMLR、PubMed2.自动评分:按新近性、来源权重、创新性、可获取性、引用估计综合排序3
180Python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
160Python机器深度学习
系统围绕斯诺克球局识别、球桌几何重建和击球线路分析进行开发。主要功能包括:从斯诺克比赛或训练画面中提取关键帧,对球桌区域和台面几何关系进行重建;识别并结构化记录母球、目标球及其他球的位置;结合球桌边界、球体位置和几何约束分析潜在击球线路;针对部分复杂局面计算一库、多库解球线路,并生成可视化结果供训练
170Python机器深度学习
1、设备列表管理:添加、编辑、删除设备信息(设备编号、名称、类型、安装位置等);2、实时监控面板:以仪表盘和折线图展示设备当前温度、压力、转速等关键指标,数据刷新间隔可配置;3、报警管理:当设备参数超出阈值时,自动触发声光报警并记录报警事件;4、历史数据查询:按时间段查询任意设备的历史运行数据,支持
290C++工业互联网
1.项目具体功能模块项目主要包含:多模型预测结果读取与处理模块、GoldenTask标注样本选择模块、模型可靠性评估与权重学习模块、StackingNet集成决策模块、传统集成算法对比模块、分类/回归/排序任务实验模块以及结果评估与记录模块。其中集成算法支持Voting、SML、Dawid-Sken
190Torch人工智能
银润康小程序产品系统
1、项目有哪些具体功能模块本项目主要包含三大核心功能模块:多模态数据采集与融合模块:涵盖中医六诊(舌、面、耳、掌、汗、目)数字化采集、智能穿戴设备数据接入及心理情绪量表评估。AI健康分析与风险预警模块:包括慢病风险评估模型、中风/跌倒预测算法、中西医健康报告生成引擎。数智化监护与管理看板模块:提供长
260Python人工智能
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
250Python机器深度学习
本项目面向智能驾驶安全辅助与驾驶员监测系统(DMS)领域。在长途运输、网约车、公交客运等场景中,驾驶员长时间连续驾驶容易产生疲劳,同时打电话、吸烟等分心行为也严重威胁行车安全。通过摄像头采集驾驶员面部图像,结合目标检测、人脸关键点定位和时序规则判定,系统能够在风险行为发生时及时发出预警,为车队安全管
290C人工智能
项目包含图像采集与预处理、缺陷检测算法引擎、检测结果可视化、数据管理与追溯四大核心功能模块:1、图像采集与预处理:对接半导体产线的光学检测设备(如AOI、KLA设备),实时采集晶圆表面高清图像;通过去噪、增强、配准等算法优化图像质量,消除光照不均、镜头畸变等干扰;2、缺陷检测算法引擎:基于深度学习(
210Torch人工智能
功能模块:本系统包含三大核心模块。(1)模型训练模块:基于改进型ProGAN架构,支持从4×4分辨率逐级生长至128×128分辨率,采用渐进式训练策略配合平滑过渡机制,实现高分辨率纹理的稳定生成。(2)多类别可控生成模块:支持流动纹理(Flowing)、噪点纹理(Noise)和结构纹理(Struct
270C人工智能
•独立设计并实现一套多智能体(Multi-Agent)协作系统,包含Supervisor、Generation、Reflection、Ranking、Evolution、Proximity、Meta-review共7个专业Agent的编排调度•实现Elo锦标赛排名引擎、上下文记忆系统、多策略假设进化
420Python机器深度学习
设计并实现了一套具备票房数据展示与票房预测功能的Web系统。系统经过数据爬取获取票房信息,并经过处理后以图表形式进行展示,支持筛选与对比分析。后端使用了Flask框架,系统前端页面、接口交互、业务逻辑与数据库模块均能够正常运行。
390Python机器深度学习
该系统设计为九个功能模块:用户认证、检测引擎、模型管理、检测历史、统计分析、数据管理、模型训练、结果导出。用户认证模块采用统一登录入口,支持管理员与普通用户双角色。系统内置初始管理员账号,新用户须由管理员创建并分配角色。登录时采用SHA-256加盐哈希加密校验,校验通过后加载用户对象并跳转主界面,失
370Python机器深度学习
本项目围绕锂电池状态智能估计构建了五大算法功能模块:①数据预处理与特征工程模块——对充放电电压、电流、温度、容量曲线进行清洗、归一化与特征提取,内置基于模糊信息测度的SOC特征选择(DMRCmRC)与基于小波变换(DTCWT)的多尺度特征编码。②SOH健康状态估计模块——集成物理信息神经网络(EM-
520C++人工智能
项目核心功能模块覆盖全流程冠脉影像后处理需求:‌基础影像导入解析‌:支持标准DICOM格式冠脉CTA影像的自动导入,完成影像序列校验、参数提取与预处理‌多模式三维重建‌:包含VR容积重建、CPR曲面重建、MIP最大密度投影、钙化积分计算四大核心重建能力,可完整还原冠脉全段血管走行‌智能测量标注‌:支
440C++机器深度学习
该系统围绕“精准匹配”与“全流程服务”设计,核心功能模块如下:智能岗位推荐:基于协同过滤与内容推荐算法,综合分析学生的专业背景、技能标签、项目经历及求职偏好,为其精准推送高度契合的岗位,同时支持按薪资、地域、行业等多维度筛选。企业招聘管理:企业可发布岗位、管理职位信息,系统运用大数据分析主动筛选并推
450Java教育校园
本项目以一台搭载树莓派和激光雷达的轮式小车为核心,集成了以下几个完整的功能模块:1、离线语音交互系统:基于Vosk轻量级中文离线语音引擎,摆脱了对云端的依赖。小车能精准识别“小车”、“跳舞”、“前进一米”等关键词,并利用PiperTTS引擎实现自然、流畅的中文语音播报反馈(如“好的,我要来唱歌了”)
710C++机器深度学习
本项目是一个面向大规模区块链交易网络的智能分析与风险识别框架,旨在利用图神经网络技术挖掘比特币交易网络中的复杂关联关系,实现交易实体分类与高风险节点识别。项目支持超大规模交易图数据处理、图结构建模、节点分类、风险排序及模型评估等核心功能。基于PyTorch与PyTorchGeometric构建图机器
530Python科学研究
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
570Python医疗健康
1、改进动力学模块:锂离子电池容量衰减由四种耦合机制驱动:机制符号物理本质SEI膜生长fSEI固体电解质界面膜扩散控制,消耗活性锂活性材料损失(LAM)fLAM电极颗粒破裂/脱落,机械疲劳累积活性锂损失(LLI)fLLI锂沉积、副反应消耗可循环锂日历老化fcal高温存储下自放电与电解液分解1.2改
590C人工智能
当前共1267个项目more
×
寻找源码
源码描述
联系方式
提交