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。
层级 模块环境与硬件 Dashboard/EnvironmentList/EnvironmentCreate/硬件检测机器人设计 BodyDesigner(3D设计+URDF/MJCF导出)/URD(统一机器人描述)训练与实验 ExperimentRunner/ModelTraining/Motio
200C++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
290Python人工智能
模块一:鸟类检测引擎基于YOLOv8/YOLOv11深度学习模型,支持对图像和视频流中的鸟类进行实时检测。•支持预训练COCO权重(通用鸟类检测)和自定义微调模型(特定物种识别)•GPU加速推理,单帧检测耗时
430Python机器深度学习
本项目面向城市环境声音识别场景,可用于智慧城市噪声监测、公共安全辅助感知、音频内容分析等业务。系统以UrbanSound8K数据集为基础,对城市中常见的环境声音进行自动分类,例如空调声、汽车鸣笛、儿童玩耍、狗叫、钻孔、发动机怠速、枪声、破碎机、警笛和街头音乐等。项目解决了传统人工听辨效率低、主观性强
330Python机器深度学习
1.多源数据管理:支持NASA、CALCE等7个公开数据集导入及用户上传CSV,自动完成标准化与特征提取。2.健康状态评估(SOH):输出当前SOH值、容量衰减轨迹及不确定性区间。3.剩余使用寿命预测(RUL):基于xLSTM-Transformer混合架构预测容量衰减曲线、剩余循环次数、寿命终止点
280Python机器深度学习
核心模块:包含dat格式解析与重组、滑动窗口智能切分、多维可视化(时/频/时频域联动)、音频回放校验及批量标注导出五大模块。功能描述:支持DAS专有二进制格式的直接读取与解析,通过“视听协同”辅助人工判读,一键生成深度学习训练样本。工具解决了传统标注效率低、边界识别难的问题,将标注效率提升40%以上
390C++人工智能
下位机:通过对激光雷达所采集实时点云进行分析,融合视频图像识别目标类型,针对不同的目标类型产生对应的事件上报至上位机;接收来自上位机的协议指令并执行上位机:综合下位机上报的事件产生不同等级的告警客户端:提供全网所监测路段的实时监控,并提供历史数据的查询及报表分析
290C++机器人
法律资源库产品系统
9个法律资源智能体快速检索,即关键词检索智能检索,多条件检索,结果中检索全文检索,复合条件筛选,特色专题库,提供特定法律领域的深度资源自建库,自定义收藏和组织法律资源
280Java机器深度学习
实现VAD切割、说话人分离、视觉特征提取,构建文本‑音频‑视觉三路混合索引。微调BERT意图分类(4分类F1=0.92),LLM策略路由(直接检索/HyDE/子查询拆解)。融合BM25+语义向量+Cross‑Encoder精排,并构建Neo4j认知图谱。
320Python人工智能
采用A2A宏观上的调度+LangGraph微观上的react执行,使用RedisStreams实现分布式消息总线,编辑与安全Agent并行审核。
320Python人工智能
基于优化的SwinIR图像修复算法搭建了一套端到端的多任务图像修复系统,核心功能模块包含图像预处理模块、多任务模型推理模块、Tile分块增强模块、结果后处理与导出模块以及可视化交互界面,系统支持图像超分辨率重建、图像去噪、JPEG压缩伪影去除三类核心修复任务,用户可通过可视化界面完成图像上传、任务类
420Java人工智能
智能党建系统是一个基于微服务架构的党员发展材料全流程管理系统,旨在实现党员发展工作的规范化、智能化管理。系统采用前后端分离的开发模式,后端使用SpringCloud微服务框架,前端使用Vue3构建,为基层党组织提供一套完整的党员发展信息化解决方案。技术架构系统后端采用SpringBoot2.7.15
400Java政务
项目主要围绕图像处理与数据分析展开,包含若干可扩展的功能模块,用于支持不同类型的任务配置与结果展示。系统提供基础的可视化界面与流程管理能力,能够适应多种应用场景,提升整体工作效率与操作体验。
290Torch人工智能
项目主要包括气象数据采集模块、深度学习预测模块、台风路径分析模块、风险预警模块、可视化展示模块以及业务管理模块。系统可实时接入卫星云图、雷达数据、海温数据及历史气象数据,通过LSTM、Transformer等模型对台风路径、风力等级、降雨量进行预测分析;同时结合GIS地图实现动态轨迹展示与影响区域分
400Python人工智能
本项目主要包含API转发网关、统一鉴权系统、模型路由管理、负载均衡、高可用容灾、日志监控、用户额度管理以及CLI兼容层等多个功能模块。系统支持对Codex、ClaudeCode等源码协议进行兼容转发,可为cccli、codexcli等客户端提供稳定API服务。平台支持多上游节点自动切换、失败重试、请
790PHP项目任务
项目主要功能一、插件化宿主平台提供统一的WebShell运行时,通过标准化的plugin.yaml合同实现插件的自动发现、加载和编排。支持四种插件类型:UI插件(前端界面)、能力插件(后端服务)、卡片插件(数据嵌入卡片)和AI插件(智能能力)。插件支持依赖声明、拓扑排序加载和循环依赖检测,并提供脚手
440Python人工智能
AI问数系统产品系统
(1)自然语言理解:用户通过自然语言描述数据需求,如“统计上月各渠道销售额”或“查找ARPU高于200的流失风险极高用户数量”。(2)智能SQL生成:系统自动将用户输入转化为对应SQL查询语句,并可针对多表、多条件复杂查询生成高效语句。(3)数据查询执行:自动连接数据库执行SQL,返回查询结果。(4
471Python人工智能
Creez产品系统Vibe Coding
Creez是一个面向创作者的AIAgent社交与工作平台,核心功能包括:自定义创建个人Agent、配置人格/记忆/技能/模型、与Agent进行多轮对话、读取本地文件并执行任务、接入OpenAI兼容模型、DeepSeek、豆包等模型服务;支持图像生成、视频生成、分镜创作、知识检索、定时任务等技能模块;
660SQLite人工智能
系统由数据接入层、解析索引层、检索问答层、前端层四大模块构成:1)数据接入:公开渠道券商研报爬虫+主流财经新闻爬取+ObsidianVault本地笔记同步三类数据源,支持增量去重、定时调度、异常重试。2)文档解析:pdfplumber处理原生PDF(含嵌入图表的文字版研报,可完整提取正文、标题层级、
830Python人工智能
本系统包含三大核心功能:检测:支持图片、视频、摄像头三种模式,创新性地实现了置信度自适应处理和参数可调检测,检测结果会生成AI治理建议。训练:支持用户上传自己的数据集进行模型训练,可调节多种参数,后台异步执行。资源储蓄:模型库和数据集支持上传、下载、收藏、点赞,检测结果自动存储并支持收藏延长保存期。
680Python人工智能
当前共83个项目more
×
寻找源码
源码描述
联系方式
提交