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。
系统包含麻将规则环境、自博弈数据生成、PPO强化学习训练、League训练、BehaviorCloning、DAgger、模型评估、ONNX导出以及Android端视觉识别和本地推理等模块。训练系统允许AI通过大量自博弈持续改进策略,并使用独立评估流程比较不同版本模型强度。移动端通过计算机视觉识别牌
180Python人工智能
流程分四步。第一步整理DEM、流域与河道、土壤、植被和雨量,生成训练表并处理缺测。第二步用流域特征训练MLP,一次预测模型所需的所有水文参数,作为无资料地区的初始率定结果。第三步用Kendall相关和随机森林重要度给参数打分,只把得分高的参数送入搜索。第四步在参数范围内调用模拟退火、粒子群和贝叶斯优
1830Python人工智能
服务注册了五个工具。text2sql按库表结构把问题写成PostgreSQL,execute_sql执行并返回结果;data_process读取上传的csv/xlsx并整理成模型输入;common_models按目标变量选择算法,分类用随机森林,回归用线性回归;aircondition_models
1850Python人工智能
系统支持用户上传2D安装说明图,通过MaskR-CNN自动识别并分割零件,利用PnP算法计算零件的3D姿态,并从3D模型库匹配对应模型,最终使用Three.js和GSAP生成可交互的3D装配动画,实现从2D图像识别到3D动画展示的完整流程。
1790Python人工智能
整合全球领先体育数据提供商Skillcorner的精准追踪数据,依托Streamlit框架构建高度交互的分析环境,打破数据获取与处理的技术壁垒,让专业人员聚焦于数据本身的价值挖掘。将复杂的多维运动数据转化为直观易懂的战术洞察,赋能教练、分析师与管理层。在球员招募、球队战术优化及比赛表现评估的全流程中
490Java人工智能
1.数据读取与组织:读取SEED脑电数据及情绪标签,按被试、实验场次和试次整理样本,完成模型输入与标签的对应。2.特征加载:支持加载经过平滑处理的微分熵特征,组织多通道、多频带输入,用于情绪分类训练。3.电极拓扑构建:根据脑电通道位置信息生成邻接矩阵,为图模型提供空间关系初始化方案。4.情绪识别训练
461Python机器深度学习
系统包括职位委托管理、候选人上传与解析、AI匹配评估、候选人推荐、能力画像、风险提示、面试辅助和招聘进度管理等模块。AI根据JD与候选人经历提取关键能力,形成专业能力、经验匹配、稳定性、管理能力及发展潜力等维度的辅助评估,并生成可解释的推荐依据。招聘顾问可进一步查看完整经历、补充联系方式、安排面试并
220Python机器深度学习
可以查询各院校的分数线与报录人数,查询往年的国家线,还可以查询各个院校的考研专业目录,还可以输入自己的预期总分,系统会预测当年的分数并给出学生当前分数的上岸难度
250Python机器深度学习
精选机产品系统
1.图像采集与预处理模块:实时捕获传送带上的珠宝珠子图像,进行去噪、增强及反光抑制处理。2.目标识别与追踪模块:利用目标检测算法定位每一颗珠子,并通过多目标追踪算法记录其运动轨迹,防止漏检。3.图像拼接与特征提取模块:对多帧图像进行配准与拼接,获取珠子完整形貌,提取颜色、纹理、尺寸等外观特征。4.智
300Python工业互联网
本项目包含三大核心功能模块:价格预测模块、三方演化博弈仿真模块与多维可视化分析模块。价格预测模块:集成LSTM深度学习模型,分别预测田头价、批发价及批零差价,并引入变异系数(CV)增强对高波动品种的预测鲁棒性。三方演化博弈仿真模块:构建农户(扩大/维持种植)、商户(高加价/低加价)与消费者(需求响应
380Torch政务
本项目包含两大核心预测模块:批零差价预测模型与田头价格预测模型。系统首先对来自郑州、温州、兰州三个城市、8种常见蔬菜的周度批发价与零售价数据进行清洗与特征工程。主要功能包括:多维度特征提取:自动计算滚动变异系数、波动率、价格加速度、移动平均线及季节性正弦/余弦特征,并引入滞后特征(Lag)捕捉时序依
410Torch机器深度学习
系统核心功能:1、使用记录采集与脱敏:自动记录模型输入输出,对敏感信息脱敏后入库,形成使用日志库;2、经验自动总结:定时任务分析使用记录,自动提炼成功经验与失败教训,生成结构化经验条目;3、临时知识RAG:经验条目存入向量库,模型回答时实时检索相关经验作为上下文,临时生效;4、训练微调固化:对高频复
430Python人工智能
1)基于用户体质监测数据完成个体体质状态量化评估,定位体质短板;2)识别肥胖、高血压等慢病潜在风险,给出风险提示;3)依托ACSM运动测试与运动处方指南权威知识,生成符合FITT‑VP规范的个性化运动处方;4)区分成年人、老年人群体,实现差异化评估与处方生成,提供报告查看、导出能力。
500Python人工智能
整个框架由三部分组成。加载路径的描述必须通过荷载大小和时间,所以为二阶张量,材料及其尺寸可以组合成一组一维张量用于表征。所以分别通过两个不同网络学习特征。一个FNN用于学习一阶张量,一个由GNN(学序列自身交互),LSTM(加入时间约束),TCN(学单变量波形)。最后拼接特征,由另一个FNN计算结果
390Torch机器深度学习
连接数据库,从数据库中获取所需数据,进行机器学习建模以及对比较成熟的模型按课题组需求进行模型微调,以达到课题组期望的实验目的以及未尽可能使模型能变的更加通用化。
470Python机器深度学习
1.多源交叉验证范式:从单源验证扩展到多源交叉验证,利用报道见时间关系差异识别矛盾2.基于图的检索增强生成:构建结构化事件实体关系知识图谱,实现精确匹配+模糊匹配+多跳检索的快速检索增强生成3.多维问答对自动生成:生成理解型、证据型、反事实型、批判型多维问答对,并形成自定义框架进行问答对自动化质量评
440Python机器深度学习
系统主要功能与特点如下:1)机器学习模型训练模块:该模块支持多站点气象与辐射观测数据输入,可自动解析时间特征、太阳天顶角、云量、边界层高度等多维变量。通过算法框架自动完成数据清洗、特征工程与模型训练的操作,获得高精度辐射估算模型。2)SHAP可解释性分析模块:引入SHAP方法计算各特征变量贡献度并拟
520Python项目任务
面向全国大学生数学建模竞赛建模手的开源入门与赛时速查工具包。项目把“题目输出是什么”作为算法选择入口,提供算法导航、训练计划、权威资料目录、可运行基线和模型验证清单。项目内容21张可搜索算法卡:识别信号、最低基线、升级条件、验证方法与常见误用。34条官方或权威资料入口,不镜像第三方受版权保护内容。3
510Python教育校园
系统以人脸视频作为输入,完成视频读取、人脸区域定位与预处理,并通过rPPG模型从面部细微颜色变化中提取生理信号。系统支持模型推理、rPPG波形生成及结果分析,可用于非接触式心率估计,并为后续模型训练、性能评估和算法优化提供完整实验流程。
450Python机器深度学习
1、高效、精准地识别铁路沿线防护围栏的各类破损情况,包括整体缺失、局部损坏及结构性倒塌等。基于对检测视频的全面分析,识别准确率在行业中处于领先水平,为快速修复与物理隔离提供了首要的决策依据;2、对铁路沿线的周边环境进行精细化扫描与检测,准确识别出可能存在的彩钢瓦房等硬质飘浮物隐患,实时关联其与铁路线
620Java人工智能
当前共1304个项目more
×
寻找源码
源码描述
联系方式
提交