TensorFlow

核心功能1.岗位画像管理保留岗位原始需求，并辅助整理岗位职责、能力要求、经验条件和评价维度，形成可确认的招聘标准。2.简历解析对候选人基本信息、工作经历、教育背景、项目经验和技能信息进行结构化整理。3.重复候选人识别辅助识别重复投递、历史候选人和已有记录，降低重复整理和沟通成本。4.人岗匹配分析结合

项目包含数据清洗与特征整理、ANN代理模型训练与验证、多目标优化、Pareto解集生成、敏感性分析和结果可视化等模块。通过模型分析不同设计变量对采光、热舒适和能耗的影响，并从非支配解集中筛选符合不同设计偏好的候选方案，为建筑性能比较和设计决策提供数据支持。

一、核心功能模块1.多模态图像采集模块支持根据产品材质定制成像方案，可灵活选用可见光、红外、激光、超声波等多类成像传感器，适配金属、玻璃、透明薄膜、高反光工件等不同检测对象。内置工业相机、定制化光源的智能控制单元，可自动调节光源亮度、触发模式，针对复杂工业环境做抗反光、抗干扰优化，最高支持5微米级的

项目背景随着金融市场数据规模快速增长，传统量化策略依赖人工经验设计因子和规则，难以充分挖掘复杂时间序列中的隐藏规律。本项目探索深度学习模型在量化投资策略预测中的应用。核心功能金融行情数据采集与预处理多维特征工程与因子构建LSTM/GRU/Transformer时间序列预测模型量化策略生成与历史回测收

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

ChiefMind提供统一智能体对话、自定义Agent创建与管理、多模型接入、文件上传、沙箱代码执行、工具组与Skill配置、MCP扩展、子Agent协作、会话记忆、执行日志和结果文件下载等功能。用户可通过自然语言创建带有专属SOUL、模型和能力范围的Agent。项目还落地了data-generat

融合走航监测数据、自动监测站数据及气象信息，构建基于Transformer的时序预测模型，实现空气质量指标预测、异常高值识别和污染溯源分析，为城市环境管理提供智能化决策支持。

融合大语言模型（LLM）、智能体工作流与振动信号分析算法，实现设备数据解析、元数据识别、频域特征提取、状态评估和诊断报告自动生成，支持基于ISO20816标准的设备健康等级判定与风险提示。

将非结构化工程文档、CAD图纸、设计规范及专家经验转化为结构化知识库，结合大语言模型（LLM）、RAG检索增强、知识推理与确定性规则引擎，实现工程需求理解、方案生成、参数推导、约束校验和结果追溯等功能，提升复杂工业设计场景下智能辅助决策能力。

SepsisCare是一个从ICU时间序列研究原型扩展到可安装软件系统的课程项目。项目目标不是替代临床诊断，而是在脱敏ICU数据与本地演示模型的基础上，展示脓毒症风险分层、动态表型轨迹、历史相似病例检索、家属沟通智能体与模型训练运维终端的端到端工程闭环。研究部分采用PhysioNet2012、Phy

系统支持训练项目管理、故障模拟、驾驶操作考核、成绩评分、振动反馈、UI界面控制、AI智能问答、训练记录查询及数据统计分析等功能，同时支持多训练科目切换、题库管理及设备联动，实现完整的仿真培训业务流程。

本项目基于TensorFlow/Keras深度学习框架，实现10类服装灰度图像智能分类，核心功能如下：数据集加载与预处理加载Fashion-MNIST标准数据集，完成像素归一化、维度适配，划分训练集、验证集、测试集；图像数据增强通过随机旋转、平移、缩放、水平翻转扩充训练样本，缓解样本量不足，提升模型

核心功能模块：1.多平台消息接入网关：支持企业微信、钉钉、Slack、Teams的Webhook消息接收，统一处理后进入AI意图识别流程。2.AI意图识别与结构化解析：基于LLM对自然语言消息进行意图分类（采购申请/库存查询/价格查询），提取物料编号、数量、用途等结构化字段，准确率高。3.自动生成采

可以实现贪吃蛇游戏的基本流程，系统稳定可靠，是在stm32f103上面实现的，可以通过遥感控制贪吃蛇的方向，通过PCB板上面的按钮进行开始，暂停等罗辑控制，通过OLED显示屏显示

本项目实现了一个可调控生物节律LED光源分析与优化系统，主要功能包括：1）读取并清洗LED光谱功率分布SPD数据，完成波长、功率和单位的预处理；2）基于CIE色度学模型计算相关色温CCT和色偏差Duv；3）基于TM-30显色评价方法计算保真度指数Rf和色域指数Rg；4）基于CIES026/E生理节律

项目包含数据读取与清洗、归一化处理、灰色关联度分析特征筛选、WGAN合成样本生成、LSTM时序预测、误差评估（MSE/RMSE/MAE）和结果可视化等模块，核心功能是在小样本金融数据条件下提升股价预测精度与稳定性。

项目围绕轴承故障诊断构建了四个模块：数据重采样与滑窗预处理、多维物理特征提取、源域故障分类与可解释分析、以及基于DANN的跨域迁移诊断。支持从振动信号生成时频谱图、训练分类模型、输出目标域故障标签，并结合SHAP、Grad-CAM和包络谱验证模型决策依据。

设计了常量与配置模块、核心数据结构模块、工具类模块、索引与词图计算模块、核心分词逻辑模块。常量与配置模块：定义工厂的“基础规则”和“标准配件”，避免硬编码，统一管理配置。核心数据结构模块：定义分词过程中需要的“实体对象”，封装词的属性（位置、长度、权重、类型）。工具类模块：提供底层工具能力——字节流

系统主要包含数据预处理、候选图书召回、特征工程、模型训练、推荐排序和结果导出等功能模块。1.数据预处理：对用户信息、图书信息、借阅记录进行清洗、去重、缺失值处理和格式统一；2.候选召回：基于用户历史借阅行为、相似用户协同过滤、图书热度等策略生成候选图书；3.特征工程：构造用户活跃度、图书热度、类别偏

1、设备候选校验：自动评估候选设备规格匹配度，生成评分报告；2、预算优化：基于约束条件推荐最优设备组合方案；3、生态兼容性检查：检测设备间协议与接口兼容性；4、工程搭建路线：生成分步实验搭建指南；5、实验优化路线：基于历史数据推荐参数调优方案；6、产业化路径分析：提供从实验室到量产的迁移建议。支持S