TensorFlow

本系统实现了案件智能分析、类案推荐、罪名预测、辅助量刑、法律依据推荐、法条智能检索、高级案例查询、案件详情展示以及相似度与置信度可视化等功能,能够基于案件语义自动匹配历史相似案例并生成裁决参考结果,为司法人员提供智能化辅助办案支持。
310Python人工智能
项目建设完成后,将在以下方面实现突破:专业化知识理解:精准解析燃机领域技术规程、诊断步骤及运行数据。数据驱动决策支持:为运行调度、故障排查提供智能分析。可扩展的技术架构:支持多场景扩展与持续模型迭代,保障系统在未来业务需求变化中的适应性。本项目的实施将有效提升燃机运行管理的智能化水平,降低人工
340Python人工智能
云手机智能体产品系统
系统可基于历史对话上下文、用户画像及实时输入,实现用户意图自动理解与复杂任务拆解,并通过自研调度中心将子任务分发至多智能体协同执行,支持自动完成机票预订、外卖点餐、行程规划等端到端复杂生活服务,实现全流程无人化执行与结果反馈。
300Python人工智能
将整个研究视为一个“感知-决策-部署”的完整系统进行顶层设计。该方法将目标检测模块、多目标跟踪模块,分析并权衡各子系统在精度、速度、资源占用等关键指标上的内在矛盾与协同关系。基于此,规划出从算法层改进、到应用层集成、再到工程层优化的阶梯式技术路线,确保最终实现的系统原型在整体性能上达到最优平衡,满足
350Python人工智能
1.基于ROS2Humble搭建机器人通信框架,实现多节点分布式开发,支持传感器数据实时采集与传输;2.集成YOLOv8目标检测算法,实现对行人、车辆、障碍物等多类目标的实时识别与跟踪,检测帧率稳定在30FPS以上;3.提供目标坐标输出、ROS话题发布功能,可直接对接机器人导航、避障等上层模块,支持
600C++人工智能
1.自选基金管理支持添加/删除自选基金,维护个人关注组合支持为每只基金录入成本价、持仓份额、持仓备注(可选)支持分组管理(如:半导体、制造、指数、债基等)2.规则配置与策略模板支持为每只基金配置个性化规则:买入区间(如2.27–2.30)止盈阈值(如≥2.47)止损阈值(如≤2.20)分批买入/分批
830Python人工智能
编程语言:PythonAI框架:PyTorch或TensorFlow(用于风格迁移模型,如CycleGAN或预训练的NeuralStyleTransfer)图像处理:OpenCV和Pillow用户界面:Gradio或Streamlit(快速构建交互界面)其他:HuggingFaceDiffusers
820Python人工智能
主要分为1.边缘计算设备,作为本地的计算核心,部署LLM,Mcp服务,语音交互工作流,深度学习的算法模型检测等。2.控制器,基于Esp32s3过uart串口与边缘计算设备通信,传输数据调用mcp服务控制机器人的休眠状态,功放开启等
980Python机器人
1、支持各大直播平台数字人实时直播,如抖音、快手、视频号、美团、京东、淘宝、TK、阿里国际等2、智能回复公屏问题,调用大模型,数字人自动语音回复公屏问题3、数字人短视频制作,输入文字,输出数字人讲话的视频4、短视频混剪,输入各种视频,系统自动混剪成N条不重复的短视频5、交互式数字人系统,实现和数字人
1980Python人工智能
1.项目整体可以分为软件部分和硬件部分,软件部分可以分为图像采集、模型推理、结果输出、远程控制,硬件部分主要是外设(摄像头、屏幕,电源、喇叭)、边缘端处理设备和信号输出器2.功能描述,通过在适当位置部署摄像头采集图像,可以对危险进行预警并辅助操作员控制,具体辅助方式可以根据使用方式修改。这里以设备部
1350C++机器深度学习
实现一个高质量、无监督的图像风格迁移系统。也就是不需要“内容图A”和“风格图B”一一对应的成对数据来训练模型,而是让模型能够从任意一组内容图像和风格图像中,学习到如何将内容图的结构与风格图的纹理、色彩进行分离和重组。
1840Python人工智能3000.00元
环境构建:使用Gazebo与ROS搭建了高自由度的无人机动力学模型,模拟了飞行控制、传感器噪声及复杂障碍环境。算法核心设计:创新性地设计了融合围捕成功率、能量消耗、防碰撞、队形保持的多目标混合奖励函数,有效解决了多智能体训练的信用分配与协同难题。训练与优化:采用Ray/RLlib框架进行分布式训练,
2910Python人工智能
孔明预测是一款基于tensorflow人工智能技术,使用最新神经网络算法,专门针对A股港股等构建多特征模型并进行量化分析的软件。 如图所示的预测,绿线为实际股票走势,竖线为用于训练数据的最后时点值。红线为训练后预测的走势。粉线为基于训练数据的预测走势(即在竖线时点时的预测,当时并未获得竖线后的任何数据)。对比粉线的预测走势与实际的走势,可见预测结果与实际走势非常接近,二次最低位都准确预测到! 后端使用技术:Linux shell & C++、Perl、Python;数据库方面涉及SQL存储过程开发,使用的数据库包括:Mysql、MongoDB;涉及的前端技术:vue.js、node.js等。 【注:作品是以项目原型改造开发的测试版本软件,因涉及版权及敏感商业信息,工作成品不便上传。】
3210小程序
这个软件主要是在锂电池生产过程中,使用电子显微镜拍摄电池阳极照片,分析阳极质量,工业质检实现工业电子显微镜拍摄图像探伤识别本人主要负责软件架构设计,卷积神经网络模型搭建,训练图像识别功能,模型部署,参数调优等关键技术
3270C++人工智能
当前共14个项目more
×
寻找源码
源码描述
联系方式
提交