机器深度学习

餐饮门店营业额预测模型 项目背景： 随着市场竞争的加剧，餐饮行业面临着如何精确预测每日营业额、优化库存管理、调整促销策略等挑战。传统的营业额预测多依赖于人工经验和简单的历史数据对比，存在着较大的波动性和误差。这家餐饮公司希望通过数据驱动的方法提高预测精度，减少因库存积压或缺货导致的成本损失。 项目目标： 为餐饮公司开发一个基于机器学习的营业额预测模型，能够综合考虑多个因素，如历史销售数据、天气、节假日、促销活动等，提供精准的每日营业额预测。通过模型预测，帮助公司优化库存管理，制定科学的促销方案，提升整体盈利能力。 项目实施： 数据收集与预处理： 该餐饮公司提供了多年的门店销售数据，其中包括日期、销售额、菜品种类、库存情况等信息。 我还从外部数据源获取了天气、节假日等相关信息，并对数据进行了清洗和标准化处理，以确保数据的准确性和完整性。 特征工程： 我基于数据的时序特性，提取了日期、时间等信息，转化为适合模型输入的特征。 结合气候因素（如温度、降水量等）和节假日信息，构建了多个特征维度，包括日间气温、是否节假日、周末等，以增强模型的预测能力。 模型选择与训练： 在测试集上，我使用了均方根误差（RMSE）、平均绝对误差（MAE）等指标对模型进行了评估。 我通过特征选择和模型参数调优，不断优化预测精度，最终使得模型的预测准确率达到了85%以上，相较于传统的基于历史均值的预测方法，精度提升了约30%。 系统集成与部署： 构建了一个自动化的预测系统。该系统每天自动更新数据，生成未来几天的营业额预测，并为库存管理和促销活动提供建议。 我还为客户提供了一个简单易用的可视化界面 项目成果： 优化库存管理：通过精确的销售预测，公司能够合理安排库存，减少因过多库存导致的浪费和因缺货导致的销售损失。 提升盈利能力：基于模型的预测，餐饮公司能够灵活调整促销策略，在销售高峰期增加优惠力度，在淡季时优化资源配置，从而提升整体营业额。 技术难点与解决方案： 多因素建模：由于餐饮行业受到多种因素影响（如天气、节假日等），需要处理多种复杂特征。我通过特征工程和模型调优，成功将这些因素纳入模型中，提高了预测的准确性。 数据稀疏性与异常值处理：部分门店的历史数据较为稀疏，且存在较多异常值。通过对数据进行严格清洗和异常值检测，确保了模型输入数据的高质量。

深耕网络安全行业，负责的产品包括有SASE、云防火墙、云WAF、NDR和运维中心。 该作品主要展示PC端常用的Axure原型设计组件，辅助产品经理加快需求设计进度，细化产品原型文档、提高与前后端研发的交流沟通效率。

该软件主要帮助客户开发对AI知识库的运用，使用客户产品知识库训练大模型回答相应问题，还能根据客户的语义，生成相应的图片（文生图、图生图）。 该项目主要分三大块，智能AI对话、智能生图、群聊功能，对于客户来说，主要解决了学生在机构中了解到机构的基本背景，通过机构的课程学习，能够使用app实现图片的生成，还能通过群聊与机构老师进行沟通。 该项目主要通过本地部署大模型（langchain+通义千问）实现智能对话，stablediffusion实现智能生图，通过调用腾讯即时通讯实现群聊功能，主要特点是大部分功能都通过开源框架本地部署来实现，能够节约外部调用api的费用。

这是一个人工智能强化学习项目，智能体挑战人类的认知逻辑推理能力。人类和智能体进行一场比赛，在10*10的矩阵方格内用最短的时间和步数找到飞机的头部即为获胜方，飞机随机生成，为‘士’字形。找到除飞机的方格为‘空’，找到飞机除头部的位置为‘伤’，找到头部游戏结束。智能体根据训练目的的不同分为两个模型进行训练，主要采用DDQN和PPO两种算法进行强化学习训练。采用Ray框架rllib进行训练，最后达到性能为平均5-6步找到飞机头部，优于人类平均水平。

1. 本系统专为日常处理海量文件的办公群体打造，如企业职员、文案工作者等。他们常因文件数量多、种类杂，面临查找困难、整理耗时等痛点。本系统致力于借助自动化技术，有效解决这些文件管理难题 2.对比传统方式和一般软件，此系统自动化程度高，能依文件类型、时间等快速分类，效率提升超70%；准确性达99%以上，还支持自定义规则，灵活适配不同需求。 3. 采用Python作为核心开发语言，运用HTML5实现部分交互展示，借助MySQL存储文件相关数据与规则，含文件扫描、规则设定、文件迁移等模块，实现文件高效整理

项目使用DDPG算法和Keras对TORCS赛车模拟平台进行训练，以达到最优路径和最短时间的训练效果。 DDPG：其主要结合改进了以下三种算法或框架： · DPG（Deterministic Policy Gradient）确定性策略梯度算法 · DQN（Deep Q-Network）深度Q网络 · AC（Actor-Critic）随机离线策略 Actor−Critic框架 DDPG可以看成是DQN的扩展版 ，不同的是，以往的DQN在最终输出的是一个动作向量，对于DDPG是最终确定地只输出一个动作。而且，DDPG让DQN可以扩展到连续的动作空间。 可以用来作为强化学习、机器学习、深度学习课设。

• 程序分析：用AST树(语法分析树)对源代码进行静态分析，提取出代码中的变量、函数和类的结构信息 • 工具实现：独立开发了基于VS Code的类型标注插件工具LLMinfer，实现自动化类型推断功能 • 数据收集：训练并测试Type4Py模型 • 模型比较：比较传统模型(Type4Py)、混合模型(Type4Py+Deepseek-coder)、大模型(Deepseek-coder)的Python类型预测准确率 • 论文撰写：作为主要作者参与立项、结项论文撰写 • 项目获奖省级优秀项目

无人机（UAVs）在物流和运输领域的潜力逐渐显现，亚马逊等公司开始探索使用无人机进行货物配送。复现论文数学模型，定义了类似于飞行侧踢旅行商问题（FSTSP）的问题，但适用于多卡车情况，目标是最小化成本。

【交个朋友！】项目代码可直接下载，希望您能够留下联系方式一起交流技术【什么项目？】完成AIAgent搭建、网络数据采集、清洗、分析、可视化、回归预测全过程构建LLM工作流（大语言模型）：调用**ChatGLMAPI**设计AI全自动书籍归类，批量处理700本榜单小说（每本简介约500字），全自动化处

实用的设计说明书自动校审工具。该工具基于专业知识的AI专家系统，为使用Microsoft Word或金山WPS进行文字编辑的用户提供了自动化校审功能，用户不但可以根据自己积累的本地知识库进行自动化校审，还可以使用AI云端知识库进行自动化校审。 AI文档校审工具主要用于文字说明书、文案的复核、审核工作，例如，您今天复核说明书A的时候，发现了10个问题，然后把这些问题记录在本地知识库里。下次您复核说明书B的时候，就可以利用本地知识库中已有的知识进行自动校核了。这样日积月累，形成自己的专属知识库，就可以避免日后犯同样的错误。除此之外，您还可以使用工具提供的云端知识库，实现大数据AI智能审核。

百度飞桨（PaddlePaddle）是中国首个自主研发的开源深度学习框架，解决了从模型训练到部署的全流程难题，提供多样化的工具（如PaddleOCR、PaddleNLP、PaddleSlim），优化中文任务及低资源设备上的AI应用。其灵活的动态图与静态图结合、强大的分布式训练与模型压缩能力，使其在性能和产业落地中表现优异。通过简单的安装和丰富的预训练模型，用户可以快速上手并实现高效开发。

视频处理系统，在实时处理视频流时，检测、识别、分割等操作均可实时，精准捕捉画面中的关键元素。不仅如此，还能为用户一键美颜，瞬间提升颜值，或是添加趣味贴纸特效，让视频瞬间变得生动有趣，广泛适用于直播、短视频创作、社交娱乐等众多场景，全方位助力精彩呈现。

我们的图片视频生成能力具备强大的角色与风格掌控力，能生成精美图片与视频。在小说推文领域，瞬间将精彩情节可视化，吸引读者目光；用于绘本创作，赋予故事鲜活生命力。支持多角色同屏生成，轻松构建复杂场景，换脸、换装随心所 “变”，甚至可按需精准输出文字，全方位助力创意落地。

在当今数字化交互蓬勃发展的浪潮下，我们推出了一项极具创新性的智能对话解决方案。它旨在精准引导用户完成特定任务，无论是产品销售，还是精准留资，均可依需求自由配置任务流程。同时，借助 RAG 知识注入技术，让对话知识储备深厚且精准。在交流进程中，还能巧妙收集指定的用户信息，为后续业务拓展、客户关系维护筑牢根基，全方位赋能业务腾飞。

1.该项目主要面向智慧城市，城市规划等方向，通过对遥感图像中各类物品的语义分割，达成各类设施统筹管理的目的 2.该项目主要采用pytorch框架，使用的是当下大热的深度学习技术，可以对各类复杂的场景进行对应的数据训练，从而达成良好的分割结果。项目主要采用HRnetV2+OCR为主要的语义分割模型，HRnetV2可以对高分辨率图像进行准确的识别处理，完成第一次分割处理，OCR模型则通过上下文检测技术，挖掘每个像素点与其他像素点的关联，以完成更进一步的精确分割 3. HRNet 联接上下文特征提取和自注意力机制模块 OCR的结合，相较于原始的单一 HRNet 模型的mIOU= 49.79%，提升到了 58.72%，增加了 8.93%，在贫瘠地类的分割上甚至提升了 42.06%，这表明加入 OCR模型后可以有效提升城市遥感图像语义分割的准确率（）

利用python从tushare，akshare，东财等抓取A股交易数据，整理后存储于mysql，作为机器学习（主要利用scikit-learn，pytorch）的数据仓库，采用多因子追涨策略，回测近三年历史数据，收益率60%左右。

本项目为学校的毕设，解决了神经网络识别过程中随着神经网络层的增加，网络的准确性下降的问题 相比于一般神经网路，可以有效解决当神经网络堆叠到一定深度时出现的梯度消失和梯度爆炸的问题，以及一些退化问题，我是对网络进行了开发，使得数据集导入及一些模型的训练变得更快，另外还对数据进行数据增强，使得神经网络对原本测试数据更加精准，此外还画了测试结果和评估结果图片 主要由resnet网络模型的构建，数据集路径生成及数据增强模块的实现组成，主要使用了torch，python

本项目面向学生,使用相关AI技术完成对学生的考试评估,以及与AI智能对话 提供智能绘图 帮助学生定位自己薄弱知识点,也能够出相关题目,帮助巩固自己薄弱的知识点.还有视频课拱学生学习. 还具备先进的拍照解题功能,只需上传题目照片,便可得到答案.

项目简介：旨在解决传统物理隔离传输系统中外部网络到内部私有网络的单向信息传输面临速度慢、效率低、误码率高等问题。具体为通过对文件进行特殊的编码算法处理，使传输数据以伪二维码图像矩阵的形式呈现，单张图像承载信息容量25KB；通过设计多通道编码展示和拍摄解码方式，实现多进程异步编解码，实现传输速度峰值达700KB/s，是当前国内同类竞品的7倍。 项目业绩：1.攻克传统物理隔离传输系统中单向信息传输速度慢、效率低及误码率高的难题，开发出创新性的物理隔离文件单向传输系统，提升企业与外部网络文件交互的效率与可靠性。 2.运用比特流加密、比特流图像转换编码算法将文件转化为伪二维码矩阵图像，实现高效信息承载与传输，有效减少传输过程中的数据错误与丢失，误码率较传统方式降低70%。3.基于现代计算机视觉和图像处理技术构建多通道展示与拍摄机制，实现多进程异步编解码，使系统传输速度峰值达 700KB/s，远超同类竞品。4.设计并实现系统与上层应用的交互接口，达成实时数据传输管控功能。通过此接口，上层应用能够对传输文件数据进行实时监控、调度与管理，提升数据传输的灵活性与可控性。

1.本软件面向使用AI绘画的用户，解决了用户在本地电脑使用AI工具进行绘画的问题。 2.相比于同类型的AI绘画产品，使用本软件的用户无需联网使用第三方提供的API即可在本地机器进行AI绘画，且出图质量高能够达到商用或者准商用水准。 3.本软件使用了目前较先进的绘画模型，可以由AI生成单张图片也可以批量生成图片。