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。

基于卷积神经网络的交通标志识别系统的设计与实现产品系统

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

120Python机器深度学习

基于深度学习的锂电池健康状态（SOH）与荷电状态（SOC）智能估计系统产品系统Vibe Coding

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-

160C++人工智能

冠脉三维重建项目产品系统

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

190C++机器深度学习

大学生就业推荐系统产品系统

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

210Java教育校园

基于ROS2和离线语音识别的智能轮式机器人原型产品系统Vibe Coding

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”）

370C++机器深度学习

大规模比特币交易图智能识别与风险分析研究开源项目

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

300Python科学研究

智能心脑血管风险预测与大数据分析平台产品系统

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

270Python医疗健康

基于改进动力学模型与PINN的锂离子电池SOH预测分析产品系统

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

320C人工智能

基于人工智能放射组学的超声图像乳腺疾病分类方法研究与应用产品系统Vibe Coding

本系统采用前后端分离架构，主要包含前台用户交互端和后台管理分析端两大核心模块。1.智能诊断功能：支持用户上传乳腺超声图片，系统自动进行预处理（重采样、归一化），调用训练好的随机森林模型进行推理，实时输出良恶性预测结果及置信度概率。2.可视化分析看板：集成ECharts图表库，直观展示模型性能指标（如

370Python机器深度学习

AI训练师考试系统产品系统

平台集成多类型数据标注实训系统，覆盖图像2D标注、雷达点云标注、音频转写标注、图文多模态标注等主流AI训练业务模块。内置课程学习板块、课后作业发布提交模块、在线模拟考试、自动阅卷评分、成绩统计后台、用户权限管理、实训任务管理功能，学员可在线完成标注练习，管理员可下发任务、查看实训成果与测评数据。

310C++人工智能

FPS游戏AI视觉瞄准技术研究开源项目

程序启动后持续截取游戏画面，利用YOLO模型实时检测特定目标（如敌人头部），筛选出FOV内且置信度最高的目标，计算其与屏幕中心的偏差，进而通过相对移动指令驱动鼠标准星平滑跟随。整个过程在50ms内完成单帧闭环，实现近似实时的自动瞄准效果。用户可调整FOV、置信度阈值和帧率等参数以适应不同场景。

420C++人工智能

基于递进统计模型的居民膳食、生活习惯与慢性病关联及精准干预研究产品系统

通过数据预处理和信息提取，计算出居民日均各类食物的摄入情况，代码根据膳食标准建立了一套评分系统，结合critic和topsis来给个居民的膳食的总体情况进行了评分，并以此评分为依据，与生活习惯和人口学特征进行了相关性分析，建立慢性病与各因素的逻辑回归模型，最后使用k-means聚类方法区分不同健康状

340Python机器深度学习

图书管理系统产品系统

系统分为图书信息管理、读者信息管理、借阅归还管理、图书检索查询、数据统计五大核心模块。支持管理员录入、修改、删除图书与读者资料，办理借书、还书操作；读者能够在线检索书籍、查看借阅记录；系统自动记录借阅流水，统计图书借阅情况，实现图书馆业务数字化管控。

540Java企业服务

中文情感分析机器人产品系统

系统是一个带图形界面的中文情感分析机器人：1）支持导入中文情感语料数据集，自动完成平衡性检查与难例样本分析；2）基于Chinese-BERT-wwm预训练模型微调训练，实现文本情感二分类；3）对话式交互，用户输入文本后实时返回情感倾向及正面/负面概率；4）支持模型的一键保存与加载，训练成果可复用；5

310Python人工智能

动作挑战互动展品产品系统

人体动作捕捉识别识别人体骨骼、肢体姿态等动作；支持多人同时识别，区分不同参与者，识别动作反馈到屏幕画面。挑战任务交互设置闯关、计时等挑战模式；用户身体动作直接操控虚拟角色，不用手柄、触摸。实时画面反馈屏幕实时渲染游戏场景，叠加用户虚拟形象/骨骼轮廓，动作发生立刻给出画面响应，做到动作‑画面同步。

450C++人工智能

FSDBCClassifier: 开源项目

本项目是面向稀缺样本条件的双组学乳腺癌亚型分类系统，包含以下功能模块：（1）TCGA数据工程管线。解析TCGA-BRCA原始数据，包括RNA-seqRSEM归一化表达、甲基化芯片Beta值与临床数据；完成同一患者多样本优先级配对、缺失值填充与高方差特征筛选，保留2000个基因与5000个CpG探针；

310Torch人工智能

ai斯诺克计分系统产品系统

摄像机放在斯诺克桌子正上方的灯中间，用一台小型工控机，一拖二进行ai识别球识别，识别球号，跟踪球体运动轨迹，碰撞球判定，进球判定，最后依照斯诺克的规则进行计分

450C++人工智能

水厂 PAC 智能加药预测系统产品系统Vibe Coding

基于深度学习的自来水厂PAC加药频率预测系统，针对滏阳水厂21万条分钟级SCADA运行数据（33个数值特征，目标变量为1#PAC频率给定）完成端到端建模。核心功能：1.数据分析与质量评估：自动检测缺失值、异常值，输出可行性分析报告；2.数据预处理流水线：缺失值均值填充、StandardScaler标

540Python机器深度学习

mcp-ocr-tools - OCR全家桶MCP服务器开源项目

mcp-ocr-tools是一个OCR全家桶MCP服务器，为AI客户端（ClaudeCode、Cursor、ClaudeDesktop等）提供文档识别能力。主要功能模块：1)ocr_image图片文字识别：截图、照片、扫描件一键转纯文本；2)extract_doc结构化提取：小票、发票、表单自动解析

820Python机器深度学习

img2excel - 图片表格转Excel命令行工具开源项目Vibe Coding

img2excel是一个图片表格转Excel的命令行工具，基于PaddleOCR开发。主要功能模块：1)表格图片识别：支持拍照、扫描件、长截图等多种图片格式，自动识别表格结构；2)行列还原：智能重建单元格坐标，输出与图片一致的行列结构；3)Excel导出：支持多工作表、自定义表头、格式规范化；4)批

910Python机器深度学习

当前共1255个项目登录查看更多

登录后即可上传、下载作品

分类

负载均衡 Redis Nagios 硬件测试 Open React truffle HarmonyOS Falcon prometheus QT

点击空白处退出提示

机器深度学习

重点城市程序员兼职推荐

重点岗位程序员兼职推荐