机器深度学习

使用python的机器学习库，根据珠子的颜色数据，对珠子进行分类。 分为数据读取、数据预处理、模型匹配、结果可视化、结果输出这几个模块。

在我最近参与的一个项目中，我运用人工智能技术来开发一个故障数据诊断应用程序，该程序专门针对工业设备和系统的故障检测与诊断。利用我在Python编程和机器学习算法方面的深厚知识，我设计并实现了这一解决方案，以自动化识别和分类设备故障，大大提高了故障处理的效率和准确性。 我负责的主要工作包括收集和预处理故障数据，这些数据来自于传感器、日志文件和操作系统。通过清洗、标准化和特征提取，我为机器学习模型的训练准备了高质量的数据集。接下来，我采用了多种机器学习算法，包括决策树、支持向量机（SVM）和深度神经网络，来建立故障诊断模型。这些模型能够根据历史和实时数据，准确地识别出设备的具体故障类型。 在模型开发过程中，我特别注重模型的准确性和泛化能力，通过交叉验证和多种性能指标来评估和优化模型。此外，我还实现了一套动态学习机制，允许模型随着时间积累更多数据而持续改进。 我所开发的故障数据诊断应用不仅能够实时监测和诊断设备状态，还能预测潜在的故障风险，为维护团队提供了一个强大的决策支持工具。这一应用已在多个工业环境中部署，显著提高了设备的运行稳定性和维护效率，减少了意外停机时间，为企业节约了大量的维护成本。 通过这个项目，我不仅展现了我在人工智能、数据处理和机器学习算法方面的专业技能，还证明了我能够将这些技术应用于解决实际问题，提供创新和有效的解决方案。这个经历进一步加深了我对人工智能在工业应用中潜力的理解，激发了我对未来技术创新的热情。

在我参与的一个创新项目中，我担任核心开发者的角色，负责设计和实现一个基于Python编程的解决方案，该解决方案旨在通过机器学习算法生成代理模型，以优化和简化复杂的计算过程。这个项目的目标是在不牺牲计算精度的前提下，显著减少工程和科学研究中常见的计算工作量和计算量。 我的主要工作内容包括分析项目中涉及的各种复杂方程，这些方程通常在物理、工程和金融领域的模拟计算中出现。我使用Python作为主要开发语言，利用其强大的科学计算库如NumPy和SciPy，处理和分析这些方程。随后，我采用了机器学习算法，尤其是深度学习技术，来训练代理模型，这些模型能够快速准确地近似原始复杂方程的解。 通过对多种机器学习算法的比较和测试，我确定了最适合我们需求的算法，并对其进行了定制化改进，以适应特定的计算需求。这些代理模型成功地与现有的计算工具进行了耦合，使得在进行大规模计算时，可以通过代理模型预测结果，而不是直接求解复杂的方程，从而大幅度减少了计算时间和资源消耗。 此外，我还负责监督模型的训练过程，确保计算精度满足项目要求。我采用了交叉验证和其他技术来评估模型性能，确保代理模型的准确性和可靠性。我还开发了一套自动化工具，以便于团队成员轻松地训练、评估和部署新的代理模型。 这个项目不仅展示了我的技术专长和创新能力，还证明了我在解决复杂计算问题方面的能力。通过这项工作，我帮助团队实现了在保证计算精度的同时，显著提升计算效率的目标，为后续的研究和开发工作奠定了坚实的基础。

求税率， 简单的排序，链表结构，数据分析，结构体的灵活运用，各种循环语句的应用，我本人具有亲和力，平易近人，善于与人沟通，也许今天的我没什么值得推荐的荣誉，但是我有一颗简单的心，做好了面对困难的准备，期望您的机会和慧眼

车牌识别与自动识别入场出场： 通过车牌识别技术，实现车辆的自动识别入场和出场，提高停车过程的便捷性和效率。 实时停车场信息更新： 提供实时的停车场空位信息，让用户能够及时找到空闲停车位，避免在停车场周围浪费时间。 预约停车服务： 用户可以通过移动应用提前预约停车位，确保停车的可用性和方便性。

自动化涂胶机器人，可以自动识别不同型号，不同码数的鞋底，不受环境光的影响，对图像进行处理并利用强大的算法功能，准确提取出鞋底的信息。 采用3D视觉可以有效识别出鞋底需要涂胶部分的三维结构模型，重新设置喷涂运动轨迹，机械臂就可以操控喷涂工具实现自动喷涂。 步骤： 1. 3D视觉相机安装在传送带上方，拍摄传送带上的鞋底的三维点云图像，获取鞋底曲面原始三维点云数据。然后将这些数据进行各种处理之后，就可以获得鞋底涂胶运动曲线。 2. 涂胶机器臂放置传送带一侧，末端连接通讯好的机械手，并将胶枪安装在机械手上。智能机器人系统将结合内置算法计算可以获得涂胶轨迹曲线和涂胶位姿，引导机器臂进行精准涂胶。

该项目主要完成抽烟行为检测，在某些特定场合，例如易燃易爆的场所是严禁抽烟的。因此本项目主要是负责完成场景中人员抽烟行为的检测。检测算法采用的是Yolo V5算法，前期先通过收集整理并标注抽烟行为数据集，然后利用收集的数据集完成抽烟模型的训练。待模型达到检测精度要求后，利用该模型即可完成抽烟行为的实时检测，单帧检测时间大约150ms，检测精度>95%。

本项目分成两个部分：模型训练和实时检测。 1）模型训练：主要是通过改进的Yolo V8算法，结合钢筋检测数据库，完成对应的钢筋检测模型的训练。目前收集整理的数据集有3000多张，测试检测准确率达到99%以上； 2) 模型推理：利用1训练得到的检测模型完成实时的钢筋检测，并给出对应的计数。单张图片检测时间达到毫秒级别，实时性高，可集成到app中。 本项目的额核心技术是目标检测技术，主要用到的算法是Yolo V8，该技术可以迁移到类似的项目上，例如竹签计数等。

本项目是一个基于图像检索技术实现的项链分拣助手工具，该软件工具帮助工作人员快速找到字母项链对应的订单信息。项目的主要工作原理是： 1）通过摄像头快速采集字母项链图片； 2）完成图像预处理，并快速提取字母项链的图像特征； 3）根据图像特征，从订单图像库中快速检索出对应的订单信息； 4）完成对应的订单信息显示和打印 这里的订单图像库采用倒排索引的方式来建库，支持百万量级的数据库秒级别的快速检索。图像特征采用一种自己设计的基于局部特征融合的全局特征，对图像的旋转和缩放具有一定的鲁棒性。 本项目的核心技术是：1）图像特征设计； 2）图像库索引设计； 3）海量图像库的快速检索；

作品模块：1.运行环境的搭建 2.手部模型的构建 3.手势识别的自定义动作模型 4.鼠标控制接口 可以实现：通过普通摄像头的手势识别来完成对鼠标的控制 其中的：2，3，4部分几乎全部由本人完成。

作品模块：1.运行环境的搭建 2.手部模型的构建 3.手势识别的自定义动作模型 4.鼠标控制接口 可以实现：通过普通摄像头的手势识别来完成对鼠标的控制 其中的：2，3，4部分几乎全部由本人完成。

项目背景：针对某医院智能问诊系统，开发智能问诊模块，对用户输入进行分析和判断，初步判断用户患病情况，并给出就医指南。 主要职责：负责对话引擎整体的算法设计，并进行相关大模型的微调和服务部署。其中涉及的子任务主要包括: (1). 针对用户输入信息的语义理解，抽取核心信息字段信息，主要包括病症名称词汇和病情描述信息。(2). 利用RAG技术实现对问诊流程的智能问答，包括看病流程，报销流程等等。(3). 针对用户的疾病信息进行问诊引导，包括去哪个科室，处理的流程和注意事项等等。(4).信息智能查询，通过语音查询检测结果信息等功能。 主要成果：完成整体系统的开发和大模型的微调，系统对话整体的准确率达到90%以上。

1. 利用keras深度学习框架实现CVPR论文中ghostnet模型的搭建。 2. 实现该模型的训练和测试，方便大家复现原论文结果。

医疗综合信息分析平台 项目背景: 以用户的病例信息作为输入，抽取疾病信息，所属领域类别信息，病状的描述信息，处方信息以及对应的禁忌事项信息等。将该信息抽取完成后存储至数据库。最后由专业人员对相关信息进行质检，完成医疗信息的知识落库。 项目分工: 本人主要负责对病例信息的领域分类，疾病名称识别，病状信息描述，处方信息抽取和禁忌事项的抽取业务。即通过大模型对病例信息的数据实现多个维度的信息抽取工作。 项目成果: 完成外科和耳鼻喉科领域下，数百种疾病信息的知识抽取，准确率达到90%以上。 欢迎合作: 作者在对话领域有多年的研究经验，LLM应用落地上有丰富的实战经验，在这块有大量的交付案例，欢迎有相关业务需求的公司进行合作。

项目分为1，通过sparksql 读取多个csv文件。2，建立机器学习模型。3，实时从kafka接收数据，使用模型进行预测 整个项目是我自己开发

人类染色体核型智能分析系统，是一款基于人工智能技术，对人类染色体中期图像进行自动分割、识别、计数，并自动生成核型图的遗传实验室辅助工具。 功能包括：图像管理、一键识别、导出核型图、手动编辑（笔刷、多边形、缩放、旋转、移动等）、配置管理。 达到的性能：分割准确率>90%，核型准确率>75%，GPU识别速度12张/分钟，CPU识别速度4张/分钟，支持GPU、CPU、XPU、NPU、TRT环境，支持Win、Linux操作系统。 目前已被多家医院遗传实验室采用。

现实中，有数百万人患有严重的身体残疾丧失了交流以及与环境互动的能力，然而其感觉和认知功能通常仍然完好无损。这为利用BCI技术以改善患者生活质量提供了可能。P300-Speller是基于EEG的BCI系统中最热门的应用之一。正被用来解析那些思维正常却行动不便的病人的真实意图和想法，P300-Speller允许用户使用图形用户界面（GUI）与环境进行通信，可以让患者在生活上更加独立，甚至在一定程度上恢复他们的社交生活。因此，研究P300脑机接口技术具有极高的实际应用价值。

在运动想象范式下对正常被试的头皮脑电信号进行采集。 采用时频域变换方法，mixup数据增强策略，并结合深度学习框架对脑电信号做分类判别，以达到将脑电信号翻译成现实指令的目的。 为运动想象脑机接口的应用提供方法和思路上的参考。

作品地址：http://www.latexai.com/ 分为渲染、识别、生成模块，均由本人完成 渲染模块功能为，帮助大家写latex表达式，并渲染出来，可导出png\svg\word格式的公式表示。 同时支持有限的AI公式识别转换为latex表达式，可选输出可视化的模型内部的attention部分

项目模块: 主要是针对text2SQL任务的全链路优化，增加了SQL数据可视化的推理过程，实现整体的数据可视化Agent. 项目分工: 负责对业务整体的建模，包括SQL生成任务的优化，图表关系的业务建模，和API参数的智能生成。 主要包括: SQL生成任务的拆解优化，针对图表分类和参数抽取的业务建模，COT优化，图表和API参数关系抽取，以及参数的对齐优化功能等等。 成果: 跑通了从文本到数据可视化的全流程，支持了5种复杂的数据可视化业务需求，达到业务交付标准。 欢迎合作: 作者在对话领域有多年的研究经验，LLM应用落地上有丰富的实战经验，在这块有大量的交付案例，欢迎有相关业务需求的公司进行合作。