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。
AI动态大脑API产品系统
API接口安全分析POST/api/analyze:安全分析POST/api/meta-cognition:元认知分析POST/api/intelligent-reasoning:智能推理POST/api/decision:决策生成实验管理POST/api/experiment/create:创建实
2080Caffe人工智能
项目特色:1.自适应检索策略:根据本地文档数量自动选择本地检索或Elasticsearch检索,支持运行时强制切换。2.多版本演进:从基础命令行版本延展到多个WebUI版本(简洁版、增强版、图像增强版、ESRAG版本等),满足不同部署和交互需求。3.混合检索与网络补充:优先使用本地知识库,缺失时可通
3820Python人工智能
项目主要分三部分:controlHFSS,CNN_FC,predictcontrolHFSS负责调用接口,通过脚本控制Ansys-HFSS生成部分随机的电磁结构并进行仿真,并导出表格数据,最后整合为“特征+标签”的数据集以供后续使用;CNN_FC负责对数据进行预处理操作并进行卷积神经网络模型训练;p
2470Python机器深度学习
项目介绍:本项目旨在解决复杂网络中的链路预测问题及增强模型的可解释性,提出了一种结合图神经网络(GNN)和贝叶斯网络的创新框架。通过多层次的图神经网络提取节点的局部和全局结构特征,并结合节点属性信息,利用贝叶斯网络进行概率推理,在SCHOLAT数据集上实现了93%的准确率,在YST数据集上实现了81
2100Python人工智能
●项目介绍:本项目设计并实现了一个从单张人脸图像预测BMI的端到端系统。我们自行爬取数据并制作数据集,设计并实现了一个轻量级CNN。最终,模型在独立测试集上取得了4.39的平均绝对误差(MAE),并使用Flask框架将其封装成一个可交互的Web应用,完整实现了从数据获取、模型训练到服务部署的全流程。
3600Python人工智能
1.基础蒸烤功能模块实现蒸、烤、蒸烤组合等核心烹饪功能温度控制(室温至最高温度的精准调节)时间设定与控制多种预设烹饪模式(如烘焙、烤肉、蒸鱼等)安全保护机制(过热保护、超时保护等)2.菜谱功能模块内置多种菜品的菜谱数据库菜谱分类与检索功能分步烹饪指导食材与调料用量建议用户自定义菜谱存储与分享3.摄像
3740Python人工智能
闪测仪软件产品系统
同一型号零件进入工业相机(固定帧率)视野范围内时,系统对其进行检测,区分零件的各个面拍照并进行标识,随后进行尺寸检测及,表面缺陷检测。零件旋转翻转后,系统通过抓取到的图片再次进行检测并进行表示。检测结果将以时间-批次-面-缺陷类型-缺陷图片存档进行保存并返回上位机。
1890C++机器深度学习
AI文生图开源项目
基于StableDiffusion开源接口构建的AI视觉创作平台,在交互与功能层面实现全链路优化:前端采用Vue框架打造直观流畅的操作界面,用户可轻松完成参数配置、模型选择与生成预览;模型应用支持双模式——既提供经过性能优化的系统预置模型,满足快速出图需求;也开放用户自定义训练通道,允许上传专属数据
3100Python人工智能
非接触式监测:使用医用级摄像头对保温箱内早产儿进行持续视频采集,避免传感器接触对婴儿造成的刺激深度学习姿态识别:基于改进的YOLOv4/YOLOv5算法,实现对早产儿关键身体部位(头部、四肢、躯干)的精准定位和姿态分类异常行为检测:通过时序分析识别异常姿态模式(如持续性异常体位、活动减少等),及时预
2610C++人工智能
平台包含以下核心功能模块:VeriMind™AI引擎:智能方案生成、需求分析、团队匹配、成功率预测、项目Copilot助手三端服务系统:企业端(需求发布、项目管理、财务中心)、学生端(项目大厅、任务看板、个人档案)、高校端(资源管理、设备预约、项目监督)交易与激励系统:分阶段支付托管、钱包管理、VI
3250Python人工智能
主要对xx平台的视频质量评估项目进行需求拆解、数据处理、业务快速理解,最终给出评判一个视频质量高低的因素。从统计学角度和机器学习角度两方面进行分析和建模,给出了统计学结果和机器学习模型结果,并根据结果进行了效果验证和详细的数据分析,针对从数据模型表现上发现的一些异常点,给出了业务解释和业务指导,整体
3040Python机器深度学习
数据分析作品产品系统
针对业务现状,业务各维度分析,核心结论和建议,数据驱动,由数据发现业务问题。针对业务现状,业务各维度分析,核心结论和建议,数据驱动,由数据发现业务问题。针对业务现状,业务各维度分析,核心结论和建议,数据驱动,由数据发现业务问题。
2780Python电商
该系统支持遥感图像上传与管理、多模型(如RT-DETR、YOLO系列)目标检测任务动态调度、检测结果可视化标注,并集成本地大模型(如DeepSeek-R1、Qwen3.0、Gemma3)对识别结果进行语义理解与专业解读,例如生成地物分类报告、变化检测分析或应急响应建议。同时提供用户权限管理、任务历史
4010Java人工智能
利用三维扫描获取物体表面微米级点云数据,通过曲率分析、法向量对比、深度学习等方法识别凹凸、孔洞、裂纹等缺陷,实现非接触式、高速、全检。尤其适用于表面要求极高的工件。
3150C++机器深度学习
1.数据库模块。保存产品信息,异物缺陷信息。2.通信模块。负责上位机与下位机的交互通信。3.人机交互模块。负责人机交互。4.算法模块。负责3D点云下的异物检测预与测量,2d场景下的异物分类。
1730C++机器深度学习
本软件是一个语音合成、语音识别软件,支持以下功能:1语音合成功能用户可输入文字,将用户输入的文字转换成语音播放给用户。2语音识别功能用户说话或者播放语音,将用户的语音转换成文字显示给用户。3设置功能用户可以设置语音合成发音人、音量、语调、语速,语音识别语种、最大时间等。4语音合成历史记录功能记录了每
2570C++机器深度学习
1.自动爬取下载信息,将人工流程的点击,复制粘贴等操作全部通过脚本实现。2.“AI建议”与“AI决策”双模式切换,AI建议模式通过AI预测和人工筛选结果进行模型增量学习。AI决策模式实现全流程自动化,并设计阈值,将模糊AI无法判断的博主保存到人工复审数据库。设计复审功能,人工审核模糊的博主3.设计数
2780Python机器深度学习
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
6570Python人工智能
1.支持实时的对话服务(Real-timeCrawlerIntegration)功能描述:对话系统不再仅限于其内置的静态知识。当用户的提问涉及最新事件、实时数据或特定网站内容时,系统可通过集成的实时服务,动态地从互联网上获取最新信息。价值:彻底解决了大模型知识陈旧、无法回答时效性问题的痛点,使服务能
8390Python人工智能
利用pytorch训练图片集,模型选用mobilenet,识别率95%以上。结合yolov8使用预训练模型,可视频动态识别物品的材质。yolo可以自己搜集图片集训练自己的模型
2550深度学习人工智能
当前共1253个项目more
×
寻找源码
源码描述
联系方式
提交