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。
1.图像预处理:读入低照度图像,做归一化和颜色空间转换。2.亮度与对比度恢复:自适应提升暗区亮度,同时避免高光过曝。3.噪声感知增强:估计图像噪声水平并加权,在提亮的同时抑制噪声放大。4.细节与色彩保持:保留纹理边缘,减少色偏。5.性能评估:支持PSNR、SSIM等指标批量测试,以及增强前后对比可视
90Python人工智能
样本库管理 按「品类→版别」建库;导入标准样图后自动识别币缘、归一化;框选ROI可比对单个字,并可标记判别点(★)与细节笔画(◆);一个版别可挂多张模板适应不同锈蚀程度批量识别比对 导入本地图片(可多选),与目标品类下全部版别逐一比对,输出相似度排名+是否命中可解释结果 列出该品类全部版式的得分明细
170Python机器深度学习
T2S-MotionTok是一个基于离散动作标记的文本生成手语项目,主要用于将德语文本自动转换为三维手语动作序列。项目采用“文本输入、手语词汇序列生成、动作标记预测、三维姿态解码”的处理流程,结合深度学习和人体动作建模技术,实现从自然语言到连续手语骨架动作的转换,为智能手语生成、无障碍交流和人体动作
140Python人工智能
miniLLM开源项目
MiniLLM是一个使用Python和PyTorch从零实现的小型Transformer语言模型教学项目。项目围绕“数据处理—分词器训练—Transformer预训练—文本生成—监督微调—评估与性能分析”构建了一套完整的小型语言模型流水线。它主要用于帮助学习者理解语言模型的核心工作原理和训练流程,而
160Python人工智能
三维建图功能,实时采集储存功能,数据回放功能,可视化辐射场+热点定位功能可实现辐射场实时建图+辐射数据采集+辐射数据处理+反演,实时剂量计算,多参数功能配置,UI交互方便
290C++企业服务
实现九自由度IMU+磁力计的3D磁力重建与姿态解算,内置磁干扰补偿、传感器标定与诊断模块;配套Windows上位机工具,完成原始传感数据可视化、协议解码、磁力计拟合、轨迹录制回放;固件支持多硬件变体编译,自动构建带SHA256校验的BIN/HEX程序包,实现版本可追溯、实验结果可复现。
270C++机器深度学习
1:基于不同天气图片进行训练2:实现对数据集以外的天气进行预测3:保留输出接口,可将输出结果导出4:利用训练的模型可以进行网络上与天气相关的数据集的收集并分类
250Torch人工智能
本系统在传统档案系统产品的基础上,融入了智能识别、AI检索、WBS对接等模块,使企业档案管理从“人工密集型”转向“智能高效型”。系统具备:工作助理、个人工作台、收集整理、档案管理、底图管理、档案利用、数据管理、档案编研和标准管理等模块。系统具备五大功能亮点:1) 本系统保留了传统档案系统手动录入功能
400Java企业服务
linkpet开源项目Vibe Coding
LinkPet是一个面向宠物领养与交流的综合平台,包含用户端和管理端。用户端提供注册登录、宠物信息发布、按品种筛选、宠物详情与图片浏览、领养申请、社区发帖、点赞、评论回复及个人记录查询等功能。管理端支持用户、宠物和帖子管理,以及领养申请和自定义宠物品种审核,帮助用户完成从宠物信息浏览到提交领养申请的
420Java人工智能
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
560Python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
1930Python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
2040Python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。
1910Python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
600Java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
601Python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
360Python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
330Python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
390Python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
480Torch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
500Torch机器深度学习
当前共1312个项目more
×
寻找源码
源码描述
联系方式
提交