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。
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
90Python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
100Python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
140Torch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
90Torch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
200Python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。
250Python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
260Torch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。
330Python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
290Python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
370Python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
330Python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。
350Python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
480Java人工智能
平台围绕目标检测模型开发提供数据标注、训练任务编排、训练状态监控、结果分析和智能问答等功能。用户可以在统一界面中完成图像数据整理与标注、配置模型和训练参数、启动训练任务并查看实时日志;训练完成后,可查看模型指标、检测效果及相关结果,辅助定位漏检、误检等问题。平台还集成目标检测领域知识问答能力,用于解
410Python机器深度学习
系统主要包括图像采集、目标检测、关键点定位、相机标定、PnP位姿求解、坐标系转换、姿态角计算及结果可视化等功能模块。通过YOLO模型完成目标及特征关键点检测,根据相机内参与目标三维几何信息建立二维—三维对应关系,采用PnP算法计算目标相对于相机坐标系的三维位置和旋转姿态,并输出X、Y、Z及姿态角等结
510Python人工智能
高维特征提取模块:利用深度学习网络(如3D-CNN、Transformer等)对高光谱影像进行空间-光谱特征联合提取。小样本学习模块:针对标注数据少的问题,引入小样本学习策略,提升模型泛化能力。分类与评估模块:输出地物分类图,自动生成混淆矩阵、总体精度(OA)和Kappa系数等评估报告。
510Python人工智能
本项目包含七大功能模块:1)数据采集与管理:对接电池充放电设备,采集电压、电流、温度等时序数据并存入MySQL,支持历史数据查询与导出;2)SOC荷电状态估计:采用安时积分与开路电压标定融合的多策略算法,经牛津退化数据集实测,SOC估计误差RMSE2.48%、MAE1.85%;3)SOH健康状态监测
360Java机器深度学习
针对雾气、逆光、低分辨率、运动模糊与遮挡的船名图像,先修复笔画断裂与对比度,再定位、分割字符并识别输出文字,兼容右向左书写与竖排船名,并按船舶船名库纠错和校验。
350Python机器深度学习
系统主要包含行情数据接收模块、策略回测模块、实盘交易执行模块、风险风控模块、数据统计分析模块五大核心模块。行情模块负责对接外部数据源,实时获取外汇各品种K线、盘口报价数据;策略回测模块支持导入历史行情,对量化交易策略做历史仿真回测,评估策略收益、最大回撤等指标;实盘交易执行模块根据策略信号自动完成开
510Python机器深度学习
系统包含图像采集、AI识别、运动控制、通信、状态机控制和人机交互六大功能模块。主要功能:工业相机实时采集管道图像;基于YOLOv8深度学习算法自动识别焊缝、套环和返修标识;通过ModbusTCP与PLC通信,实现管子前进/后退、夹紧/松开、三档速度控制;焊缝像素级精密对中(精度±3像素);套环自动分
400C++人工智能
当前共1297个项目more
×
寻找源码
源码描述
联系方式
提交