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。
本项目提供四位一体的智能化期货预测解决方案:首先是多品种实时行情监控,支持黄金、白银、原油等10余种期货合约的实时价格、成交量、持仓量数据可视化展示,实现市场动态的全面把握。其次是WOA智能超参数优化,采用鲸鱼优化算法自动搜索LSTM网络的最佳超参数组合,显著提升模型预测精度和训练效率。第三是双算法
160PHP金融
1.具体功能模块:包含数据集构建、模型训练、情绪检测、结果统计四大核心模块。2.主要功能描述:数据集构建模块生成包含7类情绪的标准化人脸情绪数据集,输出结构清晰、可直接用于模型训练的emotion_dataset文件;模型训练模块基于PaddlePaddle框架实现数据预处理、模型搭建与训练,支持R
300Python人工智能
具体功能模块:包含缺陷检测、模型管理、模型训练、数据统计四大核心模块。主要功能描述:缺陷检测支持单张PCB图片上传实时检测、多张图片批量处理,可在原图上可视化标注缺陷位置,同时支持置信度阈值配置以平衡检测精度与召回率;模型管理可加载自定义训练的YOLOv8模型,支持导出ONNX、TorchScrip
370Python人工智能
1.项目具体功能模块:本AI智能问答系统基于LangChain+RAG技术架构,核心包含五大功能模块,分别是文档数据处理模块(负责多格式文档的解析、清洗、分块与预处理,支撑知识库构建)、向量知识库模块(实现文本向量化编码、向量存储与高效检索,对接主流向量数据库)、检索增强模块(基于用户问题进行语义检
290Python人工智能
为解决上述问题,我们提出DynamicSelf-VerifyDecoding(DSVD),一种面向实际部署的实时自校验生成框架,在不引入高昂外部验证成本的前提下显著提升模型输出质量。DSVD主要提供以下核心功能:实时生成质量自检在模型解码过程中,引入并行的自验证机制,对当前生成内容进行持续评估能够及
310Torch人工智能
一、多源分布式全网数据采集模块支持三大灵活采集模式,覆盖互联网全域文本数据(新闻、论坛、博客、微博),突破各类反爬限制,实现精准、高效、稳定采集:1.领域关键词采集:用户输入领域关键词+时间范围,分布式实时爬虫全网采集对应领域数据(如「华为产品分析2014.03-2014.05」);2.指定URL采
520NLP人工智能
一套集行为识别、数据服务与可视化管理于一体的课堂智能分析系统,主要功能包括:课堂行为智能识别基于YOLOv8模型对课堂视频或图片进行目标检测支持识别抄袭、分享答案、东张西望、使用手机、睡觉等多种课堂行为提供单帧检测、视频检测及实时流检测能力实时与离线分析能力支持摄像头或RTSP视频流的实时行为检测支
590Python人工智能
1.智能产词模块(SmartKeywordGeneration)该模块解决的是**“买什么词”**的问题。作为NLP算法工程师,这是你的核心主场。语义拓词:利用BERT或Embedding技术,基于当前高转化词的向量相似度,从词库或App元数据中挖掘意图相近的候选词。竞品词挖掘:通过爬虫或第三方接口
600Python人工智能
对此需求搭建了神经网络模型,用fab厂提供的工艺参数与传感器采集数据作为数据集,搭建神经网络预测在某工艺参数与实时传感参数下,会长出的晶体直径为多少,在具备足够的实时预测精后,应用于工业晶棒生产以获得具有稳定直径的晶棒
390Python机器深度学习
在基于信号大数据的雷达辐射源调制研究中,利用MATLAB软件对目前已知的所有调制类型进行仿真建模。这是整个研究的基础步骤,为后续的图形处理和分类等操作提供数据支持。使用大量的图片对核心程序进行训练识别,让程序学习不同调制类型的特征。通过不断的训练,使程序能够准确地识别各种雷达信号的调制类型。
620Python机器深度学习
针对个性化图像生成需求,搭建基于DiffusionModel的生成式AI系统,解决特定风格下的小样本图像生成难题,实现高质量的“文生图”与“图生图”功能。
320Torch人工智能
1、项目具体功能模块包含3大核心模块:①树莓派4B硬件控制模块(负责小车动力、转向的指令输出);②纯视觉场景标识识别模块(处理操场环境视觉数据);③场景决策与动作执行模块(根据识别结果输出操作指令)。2、项目主要功能描述:以树莓派4B为控制核心,搭载视觉设备采集操场环境信息,实时识别操场跑道线并实现
640EmbeddedSystem机器深度学习
图像采集与预处理模块核心缺陷检测与分类模块缺陷管理与人机交互模块系统控制与通信模块在高分辨率下扫描整个晶圆表面,在图像中检测出各个缺陷并进行分类。得到缺陷检测分类结果后画出mapping图和密度图、生成报告.
510C++人工智能
Offer加速器产品系统
面试场景提取:AI扮演面试场景提取专家,根据用户的求职问题描述,匹配合适的岗位,公司类型,难度等级和面试时长。简历关键信息提取:AI扮演专业的简历解析引擎,专门从非结构化的简历中提取关键信息。面试题生成助理:AI扮演专业级面试题生成引擎,基于多维参数智能构建结构化面试题库。根据面试场景提取的参数和提
581Caffe人工智能
后端管理平台对接设备数据,以及对数据进行处理。前端对接后端处理后的数据,对数据信息进行展示。功能包括设备管理(列表展示设备的基本数据),天气预警(展示温度、湿度的基本的天气信息)、AI预警(设计神经网络等算法对设备的未来趋势进行预测)等功能。
560Java工业互联网
1.分类结果完全可控大多数AI模型是黑盒,分错了只能干着急。本项目内置了“业务规则引擎”,允许您通过配置简单的关键词逻辑来直接干涉预测结果。例如:只要文本中出现“断水、断电”且包含“学校”,可以强制规则将其划分为“校园后勤”类,而无需重新训练模型。这种“AI模型+规则引擎”的双保险机制,确保了在生产
1590Python人工智能
aloha复现产品系统
人类示范的模仿学习在机器人技术中表现出令人印象深刻的性能。然而,大多数成果专注于桌面操作,缺乏执行一般实用任务所需的移动性和灵巧性。在这项工作中,我们开发了一个模仿移动操作任务的系统,这些任务是双手的,并且需要全身控制。我们首先介绍MobileALOHA,这是一个低成本的全身远程操作系统,用于数据收
650Torch人工智能
项目实现了完整的AlphaZero训练与推理流程,包括自我博弈数据生成、基于MCTS的策略改进、策略-价值联合网络训练以及模型评估对弈。支持多种棋类环境扩展(如井字棋、Connect4),结构清晰,模块解耦,便于替换网络结构或搜索策略,用于强化学习与博弈算法的研究与实验。
870Python人工智能
核心算法:采用最新的YOLOv11算法,兼顾检测速度与精度。一站式流程:集成环境检测、数据集配置、模型训练、结果可视化等全流程功能。多模态检测:支持图片文件、视频文件以及实时摄像头画面的目标检测。可视化交互:通过直观的GUI界面展示检测结果(边界框、置信度、类别),并支持训练过程中的参数配置与日志监
770C++人工智能
核心功能模块包括数据处理模块、知识检索模块、模型训练模块、预测与评估模块、支撑功能模块。主要功能描述:数据处理模块支持Excel/CSV与JSONL格式自动转换,完成数据清洗、无效样本过滤及按题型比例拆分训练/验证集;知识检索模块实现知识库标准化处理、高维向量生成与FAISS索引构建,精准匹配“问题
1140Python人工智能
当前共38个项目more
×
寻找源码
源码描述
联系方式
提交