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。
数据预处理模块 全量8个CSV文件合并→缺失值中位数填充(按类别分段)→Z-score标准化(fitontrain)→7:3分层划分;模型训练模块 PyTorch从零搭建CNN-1D和LSTM;两层评估模块第一层:Binary检测(异常vs正常)—Precision/Recall/F1;第二层:五分
590Python机器深度学习
设计分阶段课程学习与⾃动切换策略,提升⻓周期训练稳定性并降低策略震荡⻛险。构建Sim2Real接⼝与并联映射能⼒,完成⼯作空间惩罚与动作低通滤波,为控制侧联调提供稳定输入。⽀持⻓周期训练、断点恢复与回归验证。打通模型管理与ONNX导出链路,为C++侧推理部署与跨平台集成提供标准模型接⼝。
450C++机器深度学习
Auto助手产品系统
1.悬浮ai助手:可在任何软件上层与ai聊天,让他帮你读屏操作手机,ai的每一步操作都会显示在屏幕上;2.技能配置:这里面有技能市场,可以让用户下载别的用户分享的技能,还有技能制作页,这里有完整的一套制作,可以用画布编辑,可视化编辑,不是纯文本编辑,非常适合用户上手制作技能。技能制作主要用于让ai在
530Java人工智能
本项目面向城市环境声音识别场景,可用于智慧城市噪声监测、公共安全辅助感知、音频内容分析等业务。系统以UrbanSound8K数据集为基础,对城市中常见的环境声音进行自动分类,例如空调声、汽车鸣笛、儿童玩耍、狗叫、钻孔、发动机怠速、枪声、破碎机、警笛和街头音乐等。项目解决了传统人工听辨效率低、主观性强
670Python机器深度学习
整体架构可以理解成一个典型的“云端训练+本地推理部署”的混合系统。训练阶段,所有模型(YOLOv8、YOLOv26、ResNet、MobileNet)都在Python环境里完成训练和评估,并且统一用同一份数据集和相同的数据划分方式,保证对比结果公平。训练完之后,最优模型会被导出成部署格式(比如TFL
590Java机器深度学习
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
620C智能硬件
1、下位机:完成隧道小车的驱动控制;控制线阵相机扫描隧道;控制补光;控制雷达探测周边障碍物确保安全;接收遥控器控制指令。2、上位机:整合下位机采集的图像;实现缺陷的人工标注;实现缺陷的自动识别;输出说明缺陷类型及位置信息的工单
470C++机器深度学习
为响应工贸企业安全生产责任保险(安责险)的智能化监管要求,本项目拟建设一套基于**AI视频分析+IoT传感器联动**的智能监控系统,对工贸企业生产经营过程中的9大类风险场景进行7×24小时不间断智能巡检与自动告警。本demo采用机器语言加深度学习,使用yolo8增对特定场景进行训练,对工业生产施工场
540Python人工智能
1,能链接常用摄像头,如:海康、大华,进行抓图和录像操作2,能运行深度学习算法进行安全监控,如区域入侵、安全帽佩戴、人员权限管控等3,联动plc,当识别到安全问题时,能给plc信号,进行停机等处理。4,自定义检测规则,如采图间隔,开始报警数,检测阈值等
690Python人工智能
系统提供多终端SDK,支持Java、C++、C#、Python等主流语言,方便各类业务系统快速集成。基于RK3588边缘算力设备,实现毫秒级快速识别,无需依赖云端即可完成端侧推理,满足低延迟、数据本地化及恶劣网络环境下的实时作业需求。算法能够精准定位集装箱箱号及箱型号所在区域,并高鲁棒性地识别印刷、
700C++人工智能
通过4台Mech-Eye3D工业相机,对预制梁焊接区域进行视觉检测,计算焊接点三维坐标,并通过TCP发送给PLC/机器人执行自动焊接。六大功能模块①相机管理(MechMindCamera.cs)封装Mech-EyeSDK,支持4台相机独立发现/连接/断开,拍摄深度图(TIFF)和2D灰度图(PNG)
560C++人工智能
可完成目标物体轮廓精准提取,搭配完整图像预处理与噪声去除功能。融合HSV、二值化算法优化图像效果,针对性适配复杂现场光照环境,有效抵御光线、阴影等干扰,保障视觉检测与测量工作稳定运行。
510C++人工智能
智能安防产品系统
实现各种智能安防算法。如:车间安全帽检测,登高作业安全绳佩戴检测,玩手机识别,睡岗检测等。也有人脸识别,多目标追踪,布局一致性等算法。能根据客户需求生成报警代办,并推送事件,提醒处理人,完成闭环。
770Python人工智能
功能模块​原始数据质控与去宿主(Fastp+Bowtie2)基于Kraken2/Bracken的物种分类与丰度定量基于HUMAnN3的功能基因通路注释基于MEGAHIT/MetaSPAdes的宏基因组组装基于MetaBAT2/CONCOCT的分箱与基因组重构统计可视化(Krona热图、LEfSe差异
440linux科学研究
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
560Python人工智能
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。
590Python金融
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。
440Python人工智能
项目主要包含数据生成、模型训练、参数搜索、预测评估和结果保存等功能模块。系统能够自动读取训练集、验证集和测试集数据,构建RSCN循环随机配置网络模型,通过逐节点增长方式扩展水库层,并使用最小二乘方法求解输出权重。同时支持alpha参数网格搜索、多随机种子实验、早停回滚、NRMSE/MSE/RMSE/
520Java人工智能
1.多源数据管理:支持NASA、CALCE等7个公开数据集导入及用户上传CSV,自动完成标准化与特征提取。2.健康状态评估(SOH):输出当前SOH值、容量衰减轨迹及不确定性区间。3.剩余使用寿命预测(RUL):基于xLSTM-Transformer混合架构预测容量衰减曲线、剩余循环次数、寿命终止点
560Python机器深度学习
核心模块:包含dat格式解析与重组、滑动窗口智能切分、多维可视化(时/频/时频域联动)、音频回放校验及批量标注导出五大模块。功能描述:支持DAS专有二进制格式的直接读取与解析,通过“视听协同”辅助人工判读,一键生成深度学习训练样本。工具解决了传统标注效率低、边界识别难的问题,将标注效率提升40%以上
690C++人工智能
当前共1222个项目more
×
寻找源码
源码描述
联系方式
提交