登录社区云，与社区用户共同成长
邀请您加入社区
本项目基于YOLOv8目标检测算法开发了一套高效的手语识别系统，专门用于识别美国手语字母表(A-Z)中的26个字母手势。系统采用深度学习技术，通过504张训练图像、144张验证图像和72张测试图像构建的数据集进行模型训练与优化。该系统能够实时检测和分类手语手势，将视觉手势转化为对应的字母输出，为手语使用者与非手语使用者之间搭建沟通桥梁。实验结果表明，该系统在测试集上达到了较高的识别准确率，展现了Y
计算机类专业的毕业设计选题，涵盖人工智能与机器学习、大数据技术与分析、网络与信息安全、软件工程与开发、计算机视觉与图像处理、自然语言处理、嵌入式系统与物联网、云计算与边缘计算八个主要研究方向。文章适合计算机科学与技术、软件工程、智能科学与技术、信息安全、数据科学与大数据技术、物联网工程等专业的学生参考，为对计算机类专业感兴趣的同学提供选题灵感。如果同学们在毕业设计过程中遇到问题或需要进一步的咨询，
本文介绍了如何使用SpringAI框架实现图像分类任务。重点讲解了卷积神经网络（CNN）的基本原理，包括卷积层、池化层和全连接层的功能，并提供了SpringAI中构建CNN模型的代码示例。文章详细说明了数据加载、模型训练和评估的完整流程，同时针对常见问题如准确率低和过拟合给出了解决方案。最后通过完整代码示例展示了图像分类的实现过程，为开发者在Spring项目中应用AI图像识别技术提供了实用指导。
在计算机视觉领域，图像分类、目标检测和分割等任务一直是研究的核心方向。YOLOv11作为先进的目标检测框架，在处理常规场景下的视觉任务时展现出了卓越的性能。然而，在面对复杂多变的视觉场景，如目标的形变、遮挡、多尺度变化以及不规则分布时，传统卷积神经网络（CNN）的固定几何结构限制了其对特征的灵活捕捉能力，导致模型性能受限。为突破这一瓶颈，本文提出一种创新性的改进方案——。
以上分析需结合实时政策动态（如两会预期）与资金流向（龙虎榜、北向资金）调整策略，短线投资者可关注分时弱转强信号，中长线布局业绩确定的算力、AI医疗核心标的。，科技成长与政策催化板块仍为核心主线，同时需关注资金轮动节奏。结合近期盘面动态与政策导向，下周（2025年2月24日-3月2日）A股预计延续。
本实验数据集来源于Kaggle，该数据集包含三个标签：“健康”、“粉状”和“锈病”，分别指代植物的生长状况。数据集共包含1530张图像，分为训练集、测试集和验证集。本文系统对比了六种基于迁移学习的卷积神经网络在植物病害图像识别任务上的性能表现，包括MobileNetV2、VGG16、ResNet50、InceptionV3、EfficientNetB0和DenseNet121。
机器学习模型处理不了原始文本。无论是线性回归、XGBoost还是神经网络，遇到"red""medium""CA"这类分类变量都没法直接处理。所以必须把它们转成数字这个过程就是分类编码。大家入门时肯定都学过独热编码或序数编码，但编码方法其实非常多。目标编码、CatBoost编码、James-Stein编码这些高级技术，用对了能给模型带来质的飞跃，尤其面对高基数特征的时候。
的应用。概念瓶颈模型(Concept Bottleneck Models, CBMs)通过引入一个人类可理解的概念层来连接输入与决策，从而解决了这一差距，实现了语义解释和测试时干预。本综述从四个维度提供了一个统一的CBMs概览：概念获取、基于概念的决策制定、概念干预和概念评估。我们总结了概念构建的演变过程，从人工标注到基于词典的挖掘、大语言模型(LLM)/视觉语言模型(VLM）引导的生成，以及通过
本文介绍了使用SpringAI实现文本分类的完整流程。重点讲解了朴素贝叶斯和支持向量机(SVM)两种核心算法，阐述了模型训练的关键步骤：数据准备、特征提取、模型选择和训练。通过代码示例展示了数据预处理、模型训练和评估的具体实现，并针对准确率低和过拟合问题提出了增加训练数据、优化特征提取和调整模型参数等解决方案。文章为开发者提供了基于SpringAI实现高效文本分类任务的实用指南。
本文探讨了基于PyTorch的食品图像分类方法，针对20类食品分类任务提出了一套优化方案。通过数据增强策略（随机旋转、翻转、色彩抖动等）有效提升模型泛化能力；采用CNN模型结构（3个卷积块+全连接层）实现特征提取；利用StepLR学习率调度器动态调整学习率；通过保存测试集最优模型参数确保最佳性能。实验表明，该方法显著提升了分类准确率，并提供了迁移学习、正则化等进阶优化思路。这些技巧具有通用性，可广
图像分类是计算机视觉的核心任务，广泛应用于自动驾驶、医疗影像分析和人脸识别等领域。深度学习，特别是卷积神经网络（CNN），极大推动了这一技术的发展。2012年，AlexNet在ImageNet挑战赛中大幅降低分类错误率，标志着深度学习时代的开端。此后，模型架构从 ResNet 进化到 VisionTransformer（ViT），性能不断提升。到2025年，硬件算力增强和PyTorch 2.x 等
研究企业大数据运用的意义不仅在于技术层面的突破，更涉及战略转型、效率提升、价值创造及社会影响等多维度变革。未来，随着数据主权、伦理治理等议题的深化，企业需构建“技术—战略—伦理”协同的大数据应用框架，在释放数据价值的同时，践行科技向善的责任。我们以大数据相关的关键词在上市公司年报中的词频密度来度量企业大数据运用指数，即Bigdata =（大数据相关关键词在年报中出现的次数/年报总词汇）×100。大
下载链接http://islab.ulsan.ac.kr/files/announcement/513/rcnn_pami.pdfhttp://xueshu.baidu.com/s?wd=paperuri:%286f32e0834ddb27b36d7c5cda472a768d%29&filter=sc_long_sign&tn=SE_xueshusource_2kd
本文提出了一种超轻量级卷积-Mamba混合架构SliMamba，用于解决高光谱图像分类中的光谱冗余和样本稀缺问题。通过独创的光谱选择卷积（SSC）和重叠中心Mamba（OC-Mamba）模块，SliMamba实现了大感受野跨通道特征提取和中心像素先验嵌入。实验表明，该模型在仅20K参数下显著超越现有方法，在多个基准数据集上达到SOTA精度。SliMamba的创新设计为高维物理特征处理提供了高效解决
梯度提升（Gradient Boosting, GB）是一种集成学习算法，通过迭代优化残差逐步提升模型性能，适用于回归和分类任务。它强调精度，适合复杂非线性关系建模。关键参数包括学习率、迭代次数和树深度。与随机森林相比，GB 更注重预测精度，可结合 XGBoost、LightGBM、CatBoost 等高效实现应用于金融风险预测、医疗数据建模、销售预测及图像特征分析等场景。
本文介绍了 scikit-learn 的 LogisticRegression 逻辑回归分类算法。虽然名称中带有“回归”，但它本质上是一个经典的分类模型，主要用于二分类任务，同时也能够扩展到多分类问题。文章将从算法原理、主要参数、代码示例、可视化分析以及适用场景几个方面展开，帮助读者系统理解 LogisticRegression 在 scikit-learn 中的使用方式与实践价值。
本数据集含1.3万张城市道路图像，涵盖井盖、坑洞、减速带等5类安全隐患，YOLO格式标注，已划分训练/验证/测试集，适用于YOLOv5-v10等目标检测模型，助力智能巡检、自动驾驶与智慧交通研究。
本文面向机器学习与数据分析初学者，介绍什么是聚类，以及它与分类的核心区别。文章从“有没有标签”这一关键点切入，说明分类是在已知类别下学习预测规则，而聚类是在没有标签的情况下，根据数据之间的相似性发现潜在分组结构。随后结合用户分群、商品分组、学生行为分析和异常样本发现等场景，说明聚类的实际价值，并简要梳理划分方法、层次方法、基于密度的方法和概率模型方法等常见聚类思路。最后指出，聚类的难点不仅在于分组
本文针对京东平台化妆品评论中正负情感类别不平衡问题，提出基于深度文本挖掘的消费者情感分析方法。研究采用结巴分词和TF-IDF特征提取结合N-gram模型进行文本预处理，通过类别权重调整解决类别失衡问题，并比较了四种停用词策略的效果。实验结果表明：无停用词策略更适配深度学习模型；经贝叶斯优化后，LSTM模型的负面情感预测F1值最优（0.8598），CNN模型达0.8521，而逻辑回归仅微增至0.81
随着全球城市化进程的加速和人口的不断增长，垃圾产生量急剧增加。传统的垃圾分类方式效率低下，难以满足日益增长的垃圾处理需求。智能垃圾分类桶的出现为解决这一问题提供了新的思路。本文的目的是深入探讨智能垃圾分类桶中AI Agent的废物识别与分类指导技术，涵盖从核心概念、算法原理到实际应用的各个方面。范围包括技术的理论基础、代码实现、实际应用场景以及未来发展趋势等。本文将按照以下结构进行组织：首先介绍背
澳龙直接内置了50+预设Skills，各种自动化场景拿来就用。更绝的是，它支持一键接入飞书等IM工具。安装完毕后，你的飞书里就会多出几只虾助手（比如沉思小助手监控等你不需要单独打开什么复杂的软件后台，只要像给同事发微信一样，在飞书里给它发一句语音或文字，它就能按时按点地把做好的沉淀信息推送给你。
RAG是好人，帮你查资料；Agent记忆是知己，记住你是谁。两者不冲突，可以配合使用。但如果你要的是一个真正能帮你干活、能理解你的AI，那记忆这一环省不掉。这就是为什么我说——2026年之后，不带记忆的AI Agent，都会显得有点残疾。
随着全球人口的增长和城市化进程的加速，垃圾产生量急剧增加，垃圾分类处理成为了环保领域的重要课题。传统的垃圾分类方式主要依赖人工，效率低且容易出错。本文章旨在探讨如何利用AI Agent技术实现智能垃圾分类，提高垃圾分类的准确性和效率。文章的范围涵盖了AI Agent的核心概念、相关算法原理、数学模型、项目实战以及实际应用场景等方面。本文将按照以下结构进行组织：首先介绍核心概念与联系，包括AI Ag
这一最新成果一经公布，立即在x上引发了讨论热潮，甚至有数学家称之为“自动形式化领域的ImageNet时刻”。5天时间，AI就搞定了原本需要6个月完成的这一最新成果一经公布，立即在x上引发了讨论热潮，甚至有数学家称之为“AI是来自这家公司名为的AI。具体完成的工作，是形式化验证了让Maryna Viazovska在2022年获得数学最高奖——菲尔兹奖的成果：关于8维和24维最优球体堆积问题的定理。这
针对金融机构内部特有的非通用单据，平台无需复杂的模型训练与开发，仅需上传 3-5 个单据样本进行自定义类别配置，系统即可快速学习并实现精准分类，完美适配不同金融机构的个性化业务需求，解决行业通用工具无法匹配企业专属文档分类的痛点，大幅降低定制化开发成本。
本文提出了一种融合小波变换、图注意力网络和交叉注意力机制的混合模型(Wavelet-GAT-MCA)，用于智能电网在强噪声环境下的鲁棒故障分类。该模型通过连续小波变换和格拉姆角场将PMU时序信号转换为图像表示，利用图注意力网络捕捉电网拓扑结构特征，并结合交叉注意力机制融合时空特征。实验在IEEE39节点系统上进行，结果表明所提模型在20-40dB噪声环境下相比传统方法准确率提升显著，特别是在20d
本文介绍了一个医学AI分类建模入门案例，使用Breast Cancer Wisconsin数据集演示从数据预处理到模型评估的全流程。该数据集包含569例患者的细胞核形态学特征，用于良恶性乳腺癌分类。案例重点展示了医学标签处理（将恶性设为正类）、梯度提升树建模、以及临床关键指标评估（AUC=0.9967，敏感性90.48%）。通过特征重要性分析发现"worst perimeter"
本文围绕“一个模型不够稳怎么办”这一问题，通俗讲解组合分类的基本思想。文章从单个分类器容易受样本波动影响出发，说明为什么多个模型一起判断往往会更稳定，同时强调组合分类并不是简单堆模型，组合不合理时效果也可能变差。文中介绍了装袋、提升、随机森林等常见组合方法，并结合 Python 代码演示如何使用投票分类器在经典鸢尾花数据集上完成三分类任务。适合机器学习初学者建立对组合分类的整体认识，并为后续学习随
本文对比了多种机器学习算法在四分类任务中的表现。通过逻辑回归、随机森林、SVM、AdaBoost、朴素贝叶斯、XGBoost和简单神经网络等模型的实际应用，分析了各算法在召回率和准确率等指标上的差异。实验结果表明：线性数据适合LR，非线性数据推荐RF/XGBoost，小样本场景SVM/GNB表现更优。研究强调超参数调优的重要性，建议使用网格搜索方法，并指出多分类任务应全面评估各类别的召回率。最后提
R语言机器学习【特征筛选】及【二分类机器学习】模型实战R代码
本项目使用的乳腺癌数据集包含569个样本，每个样本有30个特征和1个标签。特征包括肿块的各种属性，如半径、纹理、周长等，标签表示诊断结果（良性或恶性）。本项目使用高斯朴素贝叶斯算法实现了乳腺癌自动诊断系统，通过数据预处理、模型训练、参数调优等步骤，构建了一个性能良好的分类模型。实验结果表明，朴素贝叶斯算法在医疗诊断领域具有很大的应用潜力。通过本项目的实践，我们不仅了解了朴素贝叶斯算法的原理和实现，
本文介绍了一个基于机器学习的垃圾邮件分类项目。项目使用贝叶斯分类器作为核心算法，通过TF-IDF方法进行特征提取，将中文邮件文本转化为数值特征。数据集采用人工采集的中文邮件样本，包含垃圾邮件和正常邮件两类标签。数据预处理阶段使用jieba分词工具对邮件内容进行分词处理，并去除非中文字符。最终构建文本分类模型，实现对垃圾邮件的自动识别。该项目不仅适用于垃圾邮件过滤，还可应用于网络舆情分析等短文本二分
在地质资源分析领域，矿物分类是核心任务之一。传统人工识别效率低、主观性强，而基于机器学习的自动化分类方案能显著提升精度和效率。本文针对矿物分类的13 维低维表格特征 + 4 类分类目标场景，对比实现了两种基于 PyTorch 的 MLP（多层感知机）模型，从网络架构、训练策略到性能表现做全方位解析，结合可视化图表验证轻量化降维 MLP 在该任务下的最优性能。核心结论：分层降维的轻量化 MLP 是低
Matlab风电光伏储能分布式能源微电网运行，并网运行，虚拟同步机控制策略，VSG风电，储能，光伏封不是电源带直流负载独立运行断开直流负载后，将模型转换为风光储+VSG+交流负载引入VSG预同步并网算法频率、幅值和相位差满足并网条件时刻，并网运行程序标注清晰，适合新手交流学习。上次实验室停电让我发现个有意思的现象：课题组用Matlab搭的风光储微电网模型，在切换负载时差点把示波器烧了。这事儿让我意
文章摘要：该指令涉及SDK编译过程，包含两个关键操作：1)使用build_besfd_glass_1502p.sh脚本进行特定配置的编译；2)通过rm -rf out命令清除输出目录。这两个步骤展示了嵌入式开发中典型的编译前清理工作流程，确保每次编译都从干净的环境开始。指令路径表明这是针对1502P型号眼镜设备的定制化编译方案。
AI 大模型作为人工智能发展的重要里程碑，不仅是技术层面的突破，更推动了生产力范式的变革。从单一语言理解到多模态融合，从被动问答输出到主动工具调用，从通用能力到垂直场景深耕，大模型正逐步成为数字经济时代的新型基础设施，持续重塑各行各业的工作模式，推动社会全面迈向智能化时代。对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最
本文系统介绍了Python在多光谱遥感数据处理与分析中的应用。主要内容包括：多光谱遥感基础理论和数据源（Landsat、哨兵等卫星数据）、数据预处理方法（辐射校正、波段组合等）；Python环境搭建及开发基础（geopandas、rasterio等库的使用）；机器学习（scikit-learn）与深度学习（PyTorch）方法实现；光谱指数计算、地物分类、时间序列分析等关键技术；以及矿物识别、土壤
分类
——分类
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
openvela
AtomGit开源社区
九章云极普惠算力
龙虾开发者社区
AI智能硬件社区
