风满楼
AI
BI
HackerF
硬件搞机
前端开发
运维技能
小风项目
夜挑灯
数学核心
计算机核心
MCM
ACM
天在水
游戏
影视
小说
出游
任此生
每日阅读
自由作家
笔墨江山
小风的城
我心自有明月在,不堕地狱不跪佛
累计撰写
31
篇文章
累计创建
59
个标签
累计收到
0
条评论
栏目
风满楼
AI
BI
HackerF
硬件搞机
前端开发
运维技能
小风项目
夜挑灯
数学核心
计算机核心
MCM
ACM
天在水
游戏
影视
小说
出游
任此生
每日阅读
自由作家
笔墨江山
目 录
CONTENT
小风项目-小风的城
以下是
小风项目
相关的文章
2025-07-25
智能财务问答机器人
项目详情描述 本项目基于 大模型 和 RAG 技术搭建了 智能财务问答机器人,有效解决了财务咨询服务中知识整理困难、用户提问模糊、人工回复耗时等痛点,在全省范围内正式上线使用,显著提升了财务咨询效率,提供 24 小时全天候智能服务。 ★ 问题分析
2025-07-25
7
0
1
小风项目
2025-05-22
智能语音引擎
项目详情描述 本项目基于深度学习技术开发了智能语音引擎,为公司核心业务提供 语音合成 TTS、声音克隆 VoiceClone、语音识别 ASR 三大核心能力,有效解决了传统话务中心语音交互效率低下和个性化服务不足的问题,在呼叫中心领域实现了智能化升级,显著提升了客户体验和企业服务效率。 ★ 语音合成
2025-05-22
5
0
1
小风项目
2023-10-21
人脸识别视频认证
项目详情描述 本项目基于 人脸识别 和 OCR 技术实现了 新用户开户入网时自动进行人证核验,有效解决了营业厅传统人工比对效率低下的问题,在营业厅内已广泛投入使用,显著提升了用户实名制管理效率并有效打击了电信诈骗等非法行为。 ★ 问题分析
2023-10-21
4
0
0
小风项目
2023-06-15
基于 SimBERT 模型的相似文本生成
项目详情描述 在构建智能客服平台的过程中,需要智能客服具备回答与企业相关信息问题的能力,如 “公司的入职流程有哪些?”,由于要尽可能的保证智能客服接受与回答问题的泛化性,因此针对同一类问题,需要准备同义但多样的问题与答案去训练模型。在拟定了若干主要问题和答案后,使用 SimBERT 模型的 相似文本
2023-06-15
5
0
0
小风项目
2022-08-25
基于 ResNet50 模型的智能垃圾分类
项目详情描述 本项目基于 ResNet50 深度卷积神经网络,结合 CBAM 注意力机制,实现了垃圾图片智能分类系统,能够准确识别 13 类不同垃圾,为智能垃圾分类和环保事业提供技术支持。 ★ 问题分析
2022-08-25
5
0
0
小风项目
2021-04-16
华为海思-深度学习模型调测
项目详情描述 (1)根据开源平台(如 GitHub)上深度学习网络模型(TensorFlow / Keras / PyTorch)的热度、重要性等因素评估优先级; (2)借鉴开源项目代码,在 NVIDIA GPU 上复现了多个深度学习网络模型(如 ResNet / LSTM / Elmo / Alb
2021-04-16
5
0
0
小风项目
2020-05-20
ROD 异常点检测模块
项目详情描述 在实际工业应用中,传统异常检测算法(如 LOF、COF)都具有各自的局限性。针对工业数据特有的复杂性(小型、高维),我参与研发了 ROD(Regression-based-OD)异常点检测模块,主要负责算法优化和调试,采用 GBDT 进行回归拟合,并内嵌天洑的优化插件 TFAUTOML
2020-05-20
3
0
0
小风项目
2020-04-09
PGOF 异常点检测算法
项目详情描述 在数据挖掘领域,传统的异常点检测算法(如LOF算法、COF算法)更适合低维数据集。因为该类算法基于距离度量,但在高维空间中,距离度量逐渐失去意义。针对公司业务涉及的工业小型、高维数据集,在算法调研期间,自主创新设计出 PGOF(PCA_Grubb_Outlier_Factor) 异常点
2020-04-09
5
0
0
小风项目
2019-06-28
稀疏自编码深度学习(优秀毕业论文)
项目详情描述 本项目研究稀疏自编码深度学习及其在图像处理中的应用,针对大数据时代复杂高维数据造成的"维数灾难"和神经网络"过拟合"问题,构建了基于稀疏响应算法优化的自编码器模型,实现了图像分类、图像重构和图像去噪等多项任务,该项目最终荣获优秀毕业论文。 ★ 问题分析
2019-06-28
4
0
0
小风项目
2019-05-20
基于 LSTM 模型的股票预测
项目详情描述 本项目采集了 tushare 财经数据上近 30 年的股票数据,使用 Keras 框架搭建了 LSTM 模型,实现了对股票市场的趋势预测。通过深度学习技术挖掘股票价格的时间序列规律,最终实现了 81.6% 的预测准确率,为量化投资提供了有效的技术支撑。
2019-05-20
4
0
0
小风项目
1
2