1.项目利用TF-IDF（Term Frequency-Inverse Document Frequency 词频-逆文档频率）检索模型和CNN（卷积神经网络）精排模型构建了一个聊天机器人，旨在实现一个能够进行日常对话和情感陪伴的聊天机器人。 2.项目运行环境：Python环境、TensorFlow 环境和Python包jieba、tqdm、nltk、pyqt5等。 3.项目包括4个模块：数据预处理、模型创建与编译、模型训练及保存、模型生成。数据来源于GitHub开源语料集，下 载地址为: https://github.com/codemayq。在TF-IDF模型中定义的架构为：计算TF-IDF向量，通过倒排表的方式找到与当前输入类似的问题描述，针对候选问题进行余弦相似度计算。模型生成一是通过中控模块调用召回和精排模型；二是通过训练好的召回和精排模型进行语义分类，并且获取输出。 4.准确率评估：测试准确率在90%左右。 5.项目博客：https://blog.csdn.net/qq_31136513/article/details/131540115

伺服电机控制工程 伺服电机开发实例 modbus开发源码C# winform位置模式力矩模式 本工程源码编译环境是visual studio （最好采用2013以上版本），编写语言是C# ，winform工程。 本工程可以实现电脑上位机与伺服电机进行modbus串口通信（232或485），从而实现电脑对伺服电机的控制，可以一对多进行操控，本实例支持同时控制两个转矩模式下运行的伺服电机，或一个位置模式下的伺服电机，稍作调整开发，可实现多路伺服电机在任意模式下的操控。 （控制之前需将伺服驱动器的参数设定好） 实例工程基于的硬件是亿丰伺服电机（一川电机），修改源码的modbus通信协议部分，可移植到不同的伺服电机系统，具有很好的参考价值，同时也可作为modbus通信开发的学习资源，可以应用到modbus通信的工业开发领域当中。

本资源提供工程源码，核心代码和详细内容可以查看我的博客内容

1.本项目以Python语言和OpenCV图像处理库为基础，在Windows平台下开发答题卡识别系统，建立精确的计算机视觉算法，实现对答题卡批量识别、信息导出至Excel表格等功能，使判卷轻量化、准确化、高效化。 2.项目运行环境：Python环境、OpenCV环境、图像处理工具包、requests、 base64和xlwt模块。 3.项目包括4个模块：信息识别、Excel导出、图形用户界面和手写识别。其中基于OpenCV算法，实现对图片中选项信息、学生身份信息的检测；利用Python标准GUI库Tkinter实现图形用户界面功能；针对个人信息部分，调用智能识别API对学院、姓名进行手写文字识别，对班级、学号进行数字识别。 4.项目博客： https://blog.csdn.net/qq_31136513/article/details/132598680

1.项目基于OpenCV库，通过 Dlib 提供的机器学习、数值计算、图模型算法、图像处理等相关功能，采用人脸识别预训练，实现两张照片的换脸功能。 2.项目运行环境：需要 Python 3.6 及以上配置，完成该项目所需要的库文件有 OpenCV、dlib、numpy、sys、PIL、thikter、matplotlib。 3.项目包括 7 个模块：准备数据、提取面部标记、调整脸部对齐、混合图像、校正颜色、转换函数、交互式界面设计。 4.关键库及数据准备说明：dlib.get_frontal_face_detector()是人脸检测器，检测图片中是否有人脸，返回一个矩形列表的人脸检测器。dlib.shape_predictor(PREDICTOR_PATH)特征提取器，由人脸检测器提供的边界框作为算法输入，返回一个人脸关键点预测器。采用官方提供的预训练模型：http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2 构建有 68 个特征点组成的人脸特征

1.本项目基于Google的Magenta平台，它采用随机森林分类器来识别图片的情感色彩，接着项目使用递归神经网络（RNN）来生成与图片情感相匹配的音乐，最后通过图形用户界面（GUI）实现可视化结果展示。 2.项目运行环境：包括 Python 环境和Magenta环境。 3.项目包括3个模块：数据预处理、模型构建、模型训练及保存。其中数据集MIDI下载地址为http://midi.midicn.com/，数据集图片在花瓣网收集获取地址为https://huaban.com/boards/60930738/。音乐模型包含欢快和安静两类MIDI文件各100个，图片包含欢快和安静两类各250张，格式为.jpg；模型构建部分包括图片情感分析和复调音乐模型；在定义模型架构和编译之后，使用训练集训练模型，使模型对图片的情感进行分类。 博客：https://blog.csdn.net/qq_31136513/article/details/134014454

1.项目基于机器学习和语义识别技术，让机器人理解文本并进行合适的答复。通过使用语音与其交流，实现智能问答、智能音箱及智能机器宠物。 2.项目运行环境：包括 Python 环境、ChatterBot 环境。 Python 3.6 及以上配置。基于 chatterbot 0.8.7 开发，打开 cmd 进入 python 所在的磁盘，输入：pip install –ignore-installed –upgrade chatterbot0.8.7 等待安装即可。 3.项目包括 6 个模块：模型构建、服务器端、客户端、语音录入、接口调用、模型训练及保存。需进入百度云官网：https://ai.baidu.com/，进入我的控制台，打开百度语音进入语音应用管理界面，创建一个新的应用，并记录 APPID、API Key 和 Secret Key 三个值；聊天窗口的 GUI 界面，包括当前用户显示、信息输入框、语音输入按钮、发送和关闭按钮等各种控件并绑定发送消息、输入消息等事件。模型训练这块，可以直接使用项目中训练的模型，也可以根据自己需求替换成其他模型，如使用ChatGPT等通用大语言模型

基于Intel（Altera）的Quartus II平台（复制一下就可以很方便地迁移到其他FPGA平台，如Xilinx的Vivado），使用FPGA实现的频率测量的3种方法的工程源码： 1、3种频率测量方法分别是直接测量法，间接测量法，等精度测量法； 2、依据环境实现对高频及低频信号的频率测量； 3、详细的设计源码； 4、详细的仿真源码、仿真设置和仿真结果； 5、更详细的说明请参考本人博文《https://wuzhikai.blog.csdn.net/article/details/112326945》。

STM32F103单片机+OLED显示实现can总线数据接收软件工程源码 int main(void) { u16 times=0; delay_init(); //延时函数初始化 //NVIC_Configuration(); //设置NVIC中断分组2:2位抢占优先级，2位响应优先级 LED_Init(); //LED端口初始化 NVIC_PriorityGroupConfig(NVIC_PriorityGroup_2); //设置NVIC中断分组2:2位抢占优先级，2位响应优先级 uart_init(115200); //串口初始化为115200 CAN_GPIO_Config();//CAN管脚初始化 CAN_NVIC_Configuration(); //CAN中断初始化 CAN_INIT();//CA初始化N模块 KeyInit(); //按键管脚初始化 OLED_Init(); //初始化OLED OLED_Clear() ;

HNU电子测试平台 数字密码锁项目工程 Quartus数字密码锁