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。
本项目围绕锂电池状态智能估计构建了五大算法功能模块:①数据预处理与特征工程模块——对充放电电压、电流、温度、容量曲线进行清洗、归一化与特征提取,内置基于模糊信息测度的SOC特征选择(DMRCmRC)与基于小波变换(DTCWT)的多尺度特征编码。②SOH健康状态估计模块——集成物理信息神经网络(EM-
120C++人工智能
项目核心功能模块覆盖全流程冠脉影像后处理需求:‌基础影像导入解析‌:支持标准DICOM格式冠脉CTA影像的自动导入,完成影像序列校验、参数提取与预处理‌多模式三维重建‌:包含VR容积重建、CPR曲面重建、MIP最大密度投影、钙化积分计算四大核心重建能力,可完整还原冠脉全段血管走行‌智能测量标注‌:支
100C++机器深度学习
该系统围绕“精准匹配”与“全流程服务”设计,核心功能模块如下:智能岗位推荐:基于协同过滤与内容推荐算法,综合分析学生的专业背景、技能标签、项目经历及求职偏好,为其精准推送高度契合的岗位,同时支持按薪资、地域、行业等多维度筛选。企业招聘管理:企业可发布岗位、管理职位信息,系统运用大数据分析主动筛选并推
160Java教育校园
本项目以一台搭载树莓派和激光雷达的轮式小车为核心,集成了以下几个完整的功能模块:1、离线语音交互系统:基于Vosk轻量级中文离线语音引擎,摆脱了对云端的依赖。小车能精准识别“小车”、“跳舞”、“前进一米”等关键词,并利用PiperTTS引擎实现自然、流畅的中文语音播报反馈(如“好的,我要来唱歌了”)
330C++机器深度学习
项目构建了一套完整的心脑血管风险预测与群体健康数据分析平台,包含个人风险评估、机构批量分析、数据可视化、历史趋势分析及健康建议等核心模块。个人端基于双XGBoost模型分别预测心脏事件和脑卒中风险,并提供五级风险评级、关键因素解释及情景模拟;机构端支持CSV大数据上传、重点人群筛选、区域聚合统计和多
240Python医疗健康
1、改进动力学模块:锂离子电池容量衰减由四种耦合机制驱动:机制符号物理本质SEI膜生长fSEI固体电解质界面膜扩散控制,消耗活性锂活性材料损失(LAM)fLAM电极颗粒破裂/脱落,机械疲劳累积活性锂损失(LLI)fLLI锂沉积、副反应消耗可循环锂日历老化fcal高温存储下自放电与电解液分解1.2改
260C人工智能
本系统采用前后端分离架构,主要包含前台用户交互端和后台管理分析端两大核心模块。1.智能诊断功能:支持用户上传乳腺超声图片,系统自动进行预处理(重采样、归一化),调用训练好的随机森林模型进行推理,实时输出良恶性预测结果及置信度概率。2.可视化分析看板:集成ECharts图表库,直观展示模型性能指标(如
350Python机器深度学习
平台集成多类型数据标注实训系统,覆盖图像2D标注、雷达点云标注、音频转写标注、图文多模态标注等主流AI训练业务模块。内置课程学习板块、课后作业发布提交模块、在线模拟考试、自动阅卷评分、成绩统计后台、用户权限管理、实训任务管理功能,学员可在线完成标注练习,管理员可下发任务、查看实训成果与测评数据。
290C++人工智能
通过数据预处理和信息提取,计算出居民日均各类食物的摄入情况,代码根据膳食标准建立了一套评分系统,结合critic和topsis来给个居民的膳食的总体情况进行了评分,并以此评分为依据,与生活习惯和人口学特征进行了相关性分析,建立慢性病与各因素的逻辑回归模型,最后使用k-means聚类方法区分不同健康状
320Python机器深度学习
图书管理系统产品系统
系统分为图书信息管理、读者信息管理、借阅归还管理、图书检索查询、数据统计五大核心模块。支持管理员录入、修改、删除图书与读者资料,办理借书、还书操作;读者能够在线检索书籍、查看借阅记录;系统自动记录借阅流水,统计图书借阅情况,实现图书馆业务数字化管控。
530Java企业服务
系统是一个带图形界面的中文情感分析机器人:1)支持导入中文情感语料数据集,自动完成平衡性检查与难例样本分析;2)基于Chinese-BERT-wwm预训练模型微调训练,实现文本情感二分类;3)对话式交互,用户输入文本后实时返回情感倾向及正面/负面概率;4)支持模型的一键保存与加载,训练成果可复用;5
300Python人工智能
人体动作捕捉识别识别人体骨骼、肢体姿态等动作;支持多人同时识别,区分不同参与者,识别动作反馈到屏幕画面。挑战任务交互设置闯关、计时等挑战模式;用户身体动作直接操控虚拟角色,不用手柄、触摸。实时画面反馈屏幕实时渲染游戏场景,叠加用户虚拟形象/骨骼轮廓,动作发生立刻给出画面响应,做到动作‑画面同步。
420C++人工智能
摄像机放在斯诺克桌子正上方的灯中间,用一台小型工控机,一拖二进行ai识别球识别,识别球号,跟踪球体运动轨迹,碰撞球判定,进球判定,最后依照斯诺克的规则进行计分
430C++人工智能
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
510Python机器深度学习
1.数据处理模块:支持Excel试验数据导入、异常值清洗、数据集划分,搭配RSM响应面法生成虚拟样本实现小样本数据增强;2.建模预测模块:搭建BP-ANN神经网络模型,可自定义隐藏层神经元数量,完成材料抗压强度等指标回归预测,输出R²精度评价指标;3.多目标优化模块:基于响应面模型开展配合比参数优化
370Python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
950Python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
450Python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
740Java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
710Python工业互联网
系统以Web端交互为核心,主要功能模块如下:图像上传与预览:支持本地图片拖拽/选择上传,实时显示原图。一键推理:点击Submit后,后端调用训练好的ResNet模型完成前向推理,并在右侧绿色结果区直接输出预测类别(如cat)。示例快速体验:底部提供多张预置示例图(狗、爬行动物、鱼、马等),点击即可自
560Python人工智能
当前共384个项目more
×
寻找源码
源码描述
联系方式
提交