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。
本项目是一个面向大规模区块链交易网络的智能分析与风险识别框架,旨在利用图神经网络技术挖掘比特币交易网络中的复杂关联关系,实现交易实体分类与高风险节点识别。项目支持超大规模交易图数据处理、图结构建模、节点分类、风险排序及模型评估等核心功能。基于PyTorch与PyTorchGeometric构建图机器
300Python科学研究
FSDBCClassifier: 开源项目
本项目是面向稀缺样本条件的双组学乳腺癌亚型分类系统,包含以下功能模块:(1)TCGA数据工程管线。解析TCGA-BRCA原始数据,包括RNA-seqRSEM归一化表达、甲基化芯片Beta值与临床数据;完成同一患者多样本优先级配对、缺失值填充与高方差特征筛选,保留2000个基因与5000个CpG探针;
310Torch人工智能
搭建可复现的数据处理流程,整合YahooFinance、CoinMarketCap与DefiLlama的500天市场、情绪和链上数据。完成数据清洗与特征工程,构造收益率、移动平均、波动率等特征,用于周度涨跌趋势预测。基于时间顺序划分训练/测试集,训练逻辑回归与随机森林模型,并输出混淆矩阵、概率分布和
560Python人工智能
基于Clip模型使用Python实现的一个简单的以图搜图功能,搜索结果按相似值由大到小排序显示;支持动态新增、删除图片特征库;前端web采用的React+Antd实现。需要支持CUDA的英伟达显示,虽然在CPU也能勉强运行,但速度非常的慢。
670Python人工智能
gemm开源项目
使用寄存器优化,内存和缓存优化,SIMD/AVX512指令集优化等各种优化技术,将通用矩阵乘法(GEMM)的性能,提升几十倍!使用寄存器优化,内存和缓存优化,SIMD/AVX512指令集优化等各种优化技术,将通用矩阵乘法(GEMM)的性能,提升几十倍!使用寄存器优化,内存和缓存优化,SIMD/AVX
610C++机器深度学习
1.数据采集模块:从Open-MeteoAPI拉取某城市15年的的逐日气象数据模型训练模块:杂交LSTM架构:共享Encoder(lstm1→lstm2),温度走自回归decoder,湿度/风速/降水走直接多步输出Web可视化面板:前端展示模型评估,未来天气预测,历史数据分析和AI聊天助手页面2.预
680Python机器深度学习
RoadMC开源项目
RoadMC的功能主要包括三部分:一是合成点云数据生成,基于路面统计先验和病害几何模型,模拟裂缝、坑槽等11类病害并生成带逐点标签的LiDAR场景;二是点云分割模型,提供Swin3D与PointMamba骨干网络,结合mHC通道混合和GAN风格变换进行病害识别;三是训练与评估工具链,支持二分类预训练
510Python科学研究
DualBackboneFusion项目简介DualBackboneFusion是一个面向CLIPPromptTransfer的双视觉主干融合研究项目,核心目标是验证较弱的RN101视觉主干是否能为较强的ViT-B/16主干提供互补预测信息。项目不直接融合imageembedding,而是在pred
580Torch人工智能
该项目为地质遥感滑坡语义分割项目,主要目标是利用深度学习模型对遥感影像中的滑坡区域进行像素级识别。项目基于Python和PyTorch实现,包含LoveDA数据集预训练、Landslide4Sense数据集微调、多光谱遥感数据处理、mask掩膜解析、类别不平衡分析、训练集与验证集构建等工作。模型方面
530Torch机器深度学习
PrAlmodel开源项目
从零构建一个全新的、与现有所有AI架构无关的类脑认知系统。不预设任何功能模块,模拟大脑皮层的Pr-Al分子梯度轴,让网络在与环境和任务的交互中自发分化出不同功能区域。核心创新创新 说明 人脑对应层级预测编码 4层网络,每层独立预测,预测误差驱动学习 皮层分层结构(V1→V2→V4→IT)Pr-Al功
931C++人工智能
分类模型检测开源项目
#ClassificationPost-ProcessingforHawk##OverviewAgenericONNXclassificationblockthatrunsafteranomalydetectioninHawk'spost-processingpipeline.Itclassifie
650Caffe人工智能
本项目是一个基于KaggleNotebook开源的深度学习实验项目,主要围绕ABNetwork与TransformerBase等模型方案进行训练效果对比与验证。项目包含数据读取与预处理、特征整理、模型构建、训练参数配置、实验过程记录、指标评估与结果比较等模块,能够用于复现实验流程、分析不同网络结构的
940Torch人工智能
–使用Pandas,NumPy和TensorFlow/Keras构建端到端分类模型,预测泰坦尼克号乘客的生存情况。–进行了全面的探索性数据分析(EDA)和特征工程(处理缺失值、编码性别/登船港口/舱位等级),并使用Matplotlib和Seaborn可视化了关键生存因素。–通过Gemini辅助的超参
840Python人工智能
1.数据加载与预处理模块功能:读取JSONL格式的原始评论数据,提取评论文本和评分。关键步骤:将评分1–2星映射为“负面”(negative),3–5星映射为“非负面”(non-negative)。进行文本清洗(如正则匹配单词、去除标点)。计算文本统计特征(词数、句长、词频、词汇量等)。生成词云等可
930Python机器深度学习
Aprogramaimstorecognizethemodelofcivilairlinersthroughtheirside-lookingpictures常见民航客机识别程序(主要识别侧视图片)首先使用yolo算法实现飞机定位和裁切,通过引入注意力通道的卷积神经网络实现细粒度的飞机型号分类。
1260C人工智能
该项目主要探索多维的Tensor在CPU上实现快速的矩阵运算等,功能实现涵盖了自定义内存配置器Allocator,createTensorOne,createTensorZero,createTensorRand,cat,normalize,selectSet,selectGet,toString,
1660C++人工智能
Myolotrain开源项目
Myolotrain是一个可视化管理yolo视觉模型训练的系统,为计算机视觉任务提供了直观的图形界面。该平台集成了在线标注、数据集管理、模型管理、训练管理和目标检测功能,支持windows、linux、docker等多种部署方式,使用户能够轻松地训练和部署YOLOv8模型,支持CPU和GPU,使用t
5891Flask人工智能
本项目是一个面向计算机视觉领域的算法库,聚焦于图像分类任务,旨在为科研开发者提供简洁、可复用的模型实现与实验基础。其主要功能模块包括:核心模型集:提供多种经典卷积神经网络实现,包括LeNet、AlexNet、VGG、GoogLeNet、ResNet、Inception系列、DenseNet等,涵盖从
6600Python人工智能
当前共18个项目more
×
寻找源码
源码描述
联系方式
提交