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

●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。

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

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。

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

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

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

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

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。

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

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。

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。

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

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

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

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

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

基于国内外通用大模型OpenAI、千问、DeepSeek，结合几何造型引擎，搭建基于AI的工业设计： 1、以“交付结果”代替“给予工具”为目标； 2、基于自然语言作为优先交互方式； 3、创建可修改、可编辑的BRep三维图形，而非拟合式三角面的固定三维特征； 4、交付工业级图形应用； 5、当前以包装设计为应用点进行展示。

实时语音识别 (Real-time Speech Recognition): 能够捕捉麦克风输入，并将用户的语音实时、准确地转换为文本。 自然语言理解 (Natural Language Understanding - NLU): 分析转换后的文本，理解用户的意图和关键信息（例如指令、询问的对象、参数等）。 对话管理 (Dialogue Management): 在多轮交互中维护对话状态和上下文，使对话更加连贯自然。 任务执行与技能调用 (Task Execution & Skill Invocation): 根据理解的用户意图，执行相应的操作，例如： 信息查询: 获取天气预报、时间、百科知识、新闻等。 媒体控制: 播放/暂停音乐、调整音量。 简单助理任务: 设置提醒、创建待办事项。 语音合成 (Text-to-Speech - TTS): 将助手的文本回复通过 edge-tts 转换成清晰自然的语音进行播放。 Web 界面交互 (Web Interface Interaction): 提供一个用户友好的网页界面，可以： 显示语音识别的文本和助手的回复。 允许用户通过文本输入与助手交互。 (可能) 展示图片、链接等多媒体信息。 多模态反馈 (Multimodal Feedback): 结合语音、文本以及可能的视觉元素（在Web界面上）来呈现信息和交互结果。 图像分析(Image Analysis): 可以通过pygame.camera调用摄像头或者截图当前页面，并与llm互动获取想要的信息 剪切板提取(Clipboard Management): 可以通过pypercli获取剪切板中的文本内容并自动判断是否需要进行执行 上下文管理(Context management): 通过EnhancedConversationContext类管理对话记录，支持记住或者遗忘特定信息，根据相似度判断是否清除旧的上下文，能够根据对话历史生成更相关的回复 日志记录(Logging): 使用rich库美化日志输出，并将日志保存到文件中 网页搜索(Search): 使用DuckDuckGo搜索用户指定的内容，并返回搜索结果摘要

金融数据大模型分析平台是一款集实时新闻分析、股票监控和市场趋势预测​​于一体的专业工具。通过整合新浪财经新闻与天勤量化行情数据，结合大模型智能分析能力，为投资者提供：  实时金融新闻与AI影响评估  板块关联性分析与股票筛选  全市场监控与可视化统计  异常波动股票实时预警 平台采用​​多进程架构​​（新闻处理 + 股票监控并行），确保数据获取与分析的高效性 盘前部分： 一、建立负面清单，剔除不交易的个股 剔除st股、北交所、市值低于20亿、上市交易不足180日的股票 二、板块个股分类，每一个票更新热点概念和所属板块 1、分析当日涨停票的涨停原因，以及所属板块 三、盘前重点新闻分析 1、通过新浪财经新闻24小时获取新闻，在早上9点25前对前日15点后到当日9点半的新闻进行分析； 2、同步分析对应板块的个股的上涨情况，如果有涨幅超过5%的股票的板块，罗列该板块5只涨幅最大的股票； 盘中： 一、建立数据库，实时通过新闻热点 API 获取信息，归档到数据库 1、通过新浪财经新闻24小时获取新闻，每30秒更新一次，分析对应利好的板块； 二、热点相互通信，匹配最佳个股 2、同步分析对应板块的个股的上涨情况，如果有涨幅超过7%的股票的板块，罗列该板块5只涨幅最大的股票； 如果有没有涨幅超过7%的股票，则系统继续跟进；有的话重复前述操作；没有则持续跟进到当日收盘。