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
290Python机器深度学习
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
630Python机器深度学习
系统采用六标签页Web交互界面,包含五大核心模块:①多品种数据加载,支持股票/ETF/指数/基金,内置三级缓存降级与CSV离线兼容方案;②交互式可视化图表,均线、价量、RSI/MACD/KDJ等技术指标动态绘图;③机器学习涨跌预测,构造11维行情因子,提供逻辑回归、随机森林双模型自动择优;④双均线策
600Python金融
数据采集:采集数据来源包括:关系数据库、时序数据库、消息队列、Iot设备等数据处理:数据清洗纠偏、归一化、存储模型训练:多模型组合训练,模型评估,参数优化生产执行:模型部署,对接PLC进行实现调度,实时生产监控,安全生产兜底
320Python物联网
整体主要基于CSL500中文手语数据集进行。结果表明,本文训练的模型在测试集上的识别准确率达到了97.56%,并且大多数类别的识别准确率都在90%以上,整体效果较为稳定。部署测试中,经过量化优化后的模型能够在树莓派平台上实现较稳定的实时推理,基本满足实际运行需求,这验证了该系统在真实场景下具备一定的
530Java人工智能
1.AI视觉智能核验(核心亮点)动态装箱监控:通过部署在工位上方的工业相机,实时捕捉工人投料动作。系统内置深度学习目标检测算法,能精准识别数百种KD件的SKU特征。BOM自动比对:系统实时读取当前车辆的VIN码对应的BOM(物料清单),当工人放入零件时,AI自动判断该零件是否属于当前车辆,并计数。异
500Python工业互联网
#端到端异常检测系统本系统覆盖**Android端→后端→前端完整链路,实现YOLO实时目标检测、数据上报、监控管理的全流程闭Android端—实时检测与数据上报-YOLO实时检测**:基于ncnn框架在手机端运行YOLO模型,实时检测摄像头画面中的目标-目标分类:支持sit(坐)、stand(站)
510Java机器深度学习
编号 功能名称 功能描述F1 多轮对话管理 支持创建/切换/删除会话,保留完整消息历史上下文F2 智能路由决策 自动判断用户意图(闲聊/知识问答/简单任务/复杂任务)F3 任务规划 将复杂需求拆解为结构化步骤序列,标注依赖关系表3-1系统功能性需求(续)编号 功能名称 功能描述F4 自主工具执行 A
580Java人工智能
项目分为本地模型调度模块、知识库向量检索模块、对话交互模块、文档解析模块。支持本地开源大模型加载运行,能够上传文档构建私有知识库;支持多轮对话、长文本摘要、信息提取;内置提示词模板管理、会话历史保存、输出结果导出功能,实现离线环境下人工智能文本处理业务。
470Python人工智能
?数据│数据集概览、统计描述、强度分布直方图、特征相关性热力图,直观了解数据全貌││探索││├─────────┼─────────────────────────────────────────────────────────────────────────────────────────────
410Python机器深度学习
自然语言Text2SQL全链路能力:基于LangChain+Qwen-turbo构建AIAgent,输入养护业务自然语言,自动解析意图、检索库表结构、生成合规查询SQL并执行,输出结构化病害统计数据;RAG知识库与自进化学习:集成Chroma向量数据库搭建市政养护知识库,结合Few-shot示例提升
830Python人工智能
1.数据探索与清洗模块:支持对阿里天池母婴数据集进行自动化读取,提供缺失值处理、异常值检测及用户画像特征提取功能。2.流失预测模型引擎:内置XGBoost/LightGBM等机器学习算法,自动训练模型并输出用户流失概率评分,准确识别潜在流失客户。3.SHAP模型解释器:集成SHAP值分析,量化各特征
470Python机器深度学习
代表项目:车联网攻击检测深度学习模型(SAE-BiLSTM-改进Transformer)•基于PLEXE构建V2V车联网仿真场景,设计并注入多类网络攻击,生成多维时序数据•使用MySQL存储数据,完成数据预处理与特征工程,构建模型训练数据集•提出SAE+BiLSTM+改进Transformer融合模
460Python人工智能
1.4.1中药材智能识别与检测1.4.2自动化入库与出库管理1.4.3仓储环境实时监控与预警1.4.4基于RFID的全程追溯管理1.4.5 药材保质期智能预测1.4.6库存管理与智能预警1.4.7质量档案与追溯查询1.4.8 数据可视化与分析报表
640Python物联网
1、多智能体协作引擎—基于LangGraph构建Supervisor+4专家分层架构:知识检索专家(RAG+网络搜索)、报告生成专家(数据查询+方案撰写)、工况监测专家(设备故障/管线/安全诊断)、环境数据专家(天气/位置),Supervisor自动识别用户意图并路由至对应专家。2、RAG知识检索—
490Python人工智能
系统包含以下核心功能模块:1.古典建筑图像智能分类模块:基于ResNet50深度学习模型,支持对上传建筑图片进行风格识别与朝代分类,准确率达90%以上;2.三维建筑展示模块:采用Three.js实现古典建筑3D模型在线渲染与交互式浏览,支持旋转、缩放、多角度查看;3.建筑知识库模块:包含各朝代建筑风
720Java机器深度学习
小依产品系统Vibe Coding
小依是一个有虚拟形象的AI情感陪伴助手,具备三大核心能力:长期记忆(通过PostgreSQL+向量检索记住用户的喜好、经历和重要时刻,对话中能主动提起过去的事)、自适应性格(根据每次互动动态调整性格参数,从初识时的谨慎温柔到熟悉后的活泼亲密,千人千面)、多模型路由(智能选择最合适的LLM处理不同强度
1020Java人工智能
基于深度学习的90类动物细粒度图像分类系统,具备完整的训练-评估-部署全流程能力:支持90种动物类别的高精度图像识别提供三代CNN架构(ResNet50/EfficientNetV2/ConvNeXt)的对照实验框架内置多种数据增强策略、损失函数、优化器的可配置切换完整的模型评估体系:混淆矩阵、Pe
510Python机器深度学习
系统实现了一个完整的黑盒对抗攻击检测与防御展示平台。用户可以在前端选择CIFAR-10+ResNet-18或TinyImageNet+EfficientNet-B0实验组合,配置黑盒攻击方法、防御方法、查询场景、查询预算、样本数量和检测阈值。系统支持HSJA、NES、SimBA、BA、Sign-Op
790Python人工智能
本预测体系由三层结构化模块构成。数据准备层通过Python爬虫定向抓取2016Q1至2025Q3的财务三表数据,构建分赛道季度收入拆分方法与事件哑变量体系。LayerA驱动型基线模型采用“赛道拆分+业务量×变现率”框架,对智慧教育、开放平台、智慧城市、其他四大业务分别建模,辅以均值回归毛利率与历史中
970Python金融
当前共46个项目more
×
寻找源码
源码描述
联系方式
提交