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。

模型参数智能率定产品系统

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

1670Python人工智能

智能问数 MCP 服务产品系统

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

1700Python人工智能

基于集成加权LSTM模型的农产品三方博弈模型建立产品系统

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

320Torch政务

农场品价格的加权LSTM模型产品系统Vibe Coding

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

310Torch机器深度学习

自进化模型系统产品系统Vibe Coding

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

370Python人工智能

多模态金属构件疲劳寿命预测深度学习模型产品系统

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

350Torch机器深度学习

rPPG非接触式生理信号检测系统产品系统

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。

420Python机器深度学习

某铁路路外安全识别管理系统产品系统

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

560Java人工智能

目标检测训练与智能辅助平台产品系统Vibe Coding

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

480Python机器深度学习

基于YOLO关键点检测与PnP的目标6D位姿估计系统产品系统

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

580Python人工智能

高光谱影像智能分类算法（论文落地包装）产品系统

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。

570Python人工智能

北理工（珠海）图书馆个性化推荐产品系统

系统围绕用户兴趣建模、资源特征分析、混合推荐计算、推荐结果展示及反馈优化构建完整服务链路。用户登录图书馆门户后，可在个人服务区域查看根据其研究方向、资源偏好和历史行为生成的个性化推荐结果，内容可覆盖专业图书、电子资源、课程资料及相关学术内容。推荐页面以书名、封面、作者、出版社和资源类型等信息呈现候选

600Java机器深度学习

ai视觉检测系统产品系统

系统提供两种互斥的检测模式。检测模式基于YOLO目标检测识别零件状态，通过类别标签自动判断每个工序的OK或NG状态，NG状态具有粘性锁定特性。规则SOP模式基于几何条件判断，结合YOLO目标框和MediaPipe手部关键点，识别取件、检测、放回、限位读取四类工序，其中检测工序支持内窥镜拍照触发，限位

800C++智能硬件

信息检索智能体产品系统

1.多轮智能主循环:意图规划、内容探测、广覆盖检索、立场发现、多辩论收敛,自动决定何时深挖何时终止。2.知识框架沉淀:每轮增量更新话题时间窗、实体、关系、时间线、争议点、子话题与立场分布,并做快照留档。3.多源抓取层:统一编排MediaCrawler子进程(微博/抖音/小红书/B站/快手)、海外X/

510Python人工智能

PAC 加药量预测模型产品系统

1.SCADA数据接入与清洗模块对接水厂SCADA系统，采集原水浊度、进水流量、pH、温度等分钟级运行数据，处理缺失值、异常跳变与停机工况剔除，按时间对齐不同采集频率的数据源，形成建模可用的标准数据集。2.加药量预测模块核心功能。采用"机理模型+数据驱动模型"双轨方案：机理模型依据原水浊度、进水流量

440Torch机器深度学习

paddel2onnx开源项目

Paddle2ONNX工具链研发模块：负责底层算子编译与图优化，支持模型在ONNX与Paddle之间的相互转换。系统支持算子裁剪、算子融合等高级优化策略，能够有效缩减模型体积并提升推理速度。该模块覆盖面广，支持主流图像分类、检测、分割等视觉模型的平滑无缝转换，极大丰富了Paddle模型在外部生态的适

540Torch人工智能

国内影视数据的可视化大屏产品系统

系统分为普通浏览用户、数据运营人员、系统管理员三类角色。1.普通浏览用户：查看可视化大屏总览，浏览票房统计、影片类型占比、地区上映分布、评分排行等各类图表，筛选基础条件查看对应影视数据。2.数据运营人员：影视数据导入与更新，配置图表展示维度，导出统计报表，设置大屏筛选时间范围、影片分类条件。3.系统

590Python机器深度学习

Golden_task-Ensemble开源项目

1.项目具体功能模块项目主要包含：多模型预测结果读取与处理模块、GoldenTask标注样本选择模块、模型可靠性评估与权重学习模块、StackingNet集成决策模块、传统集成算法对比模块、分类/回归/排序任务实验模块以及结果评估与记录模块。其中集成算法支持Voting、SML、Dawid-Sken

430Torch人工智能

改进ProGAN的纹理生成算法产品系统

功能模块：本系统包含三大核心模块。（1）模型训练模块：基于改进型ProGAN架构，支持从4×4分辨率逐级生长至128×128分辨率，采用渐进式训练策略配合平滑过渡机制，实现高分辨率纹理的稳定生成。（2）多类别可控生成模块：支持流动纹理（Flowing）、噪点纹理（Noise）和结构纹理（Struct

550C人工智能

Co-Pulsar-Scientist：多智能体 AI 科研系统产品系统

•独立设计并实现一套多智能体（Multi-Agent）协作系统，包含Supervisor、Generation、Reflection、Ranking、Evolution、Proximity、Meta-review共7个专业Agent的编排调度•实现Elo锦标赛排名引擎、上下文记忆系统、多策略假设进化

670Python机器深度学习

当前共189个项目登录查看更多

登录后即可上传、下载作品

分类

产品系统 Rust 系统架构 Spring Web Redis 车载应用 H5 ThinkPHP 算法设计

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