人工智能-项目实践-文件预览-基于 Spring Boot 的文件在线预览项目 此项目为文件文档在线预览项目解决方案,对标业内付费产品有【永中office】【office365】【idocv】等,在取得公司高层同意后以Apache协议开源出来反哺社区 项目特性 支持 office, pdf, cad 等办公文档 支持 txt, xml(渲染), md(渲染), java, php, py, js, css 等所有纯文本 支持 zip, rar, jar, tar, gzip 等压缩包 支持 jpg, jpeg, png, gif, tif, tiff 等图片预览(翻转,缩放,镜像) 使用 spring-boot 开发,预览服务搭建部署非常简便 rest 接口提供服务,跨语言、跨平台特性(java,php,python,go,php,....)都支持,应用接入简单方便 抽象预览服务接口,方便二次开发,非常方便添加其他类型文件预览支持 最最重要 Apache 协议开源,代码 pull 下来想干嘛就干嘛
2022-06-22 18:05:55 288.71MB 人工智能 文件预览 springboot
人工智能-项目实践-鸢尾花分类-Python 基于BP神经网络实现鸢尾花的分类 本文用Python实现了BP神经网络分类算法,根据鸢尾花的4个特征,实现3种鸢尾花的分类。 算法参考文章:纯Python实现鸢尾属植物数据集神经网络模型 iris_data_classification_bpnn_V1.py 需使用 bpnn_V1数据集 文件夹中的数据 iris_data_classification_bpnn_V2.py 需使用 bpnn_V2数据集 文件夹中的数据 iris_data_classification_knn.py 需使用 原始数据集 文件夹中的数据 iris_data_cluster_sklearn.py 需使用 sklearn数据集 文件夹中的数据 不同数据集里数据都是一样的,只是为了程序使用方便而做了一些格式的变动。
项目题目:图书管理系统 内容简介: 该系统作为图书管理系统,包含了多个功能模块,目的在于为图书信息的管 理提供方便,提高图书信息管理的效率。 该系统的功能模块具体包括:登录退出功能模块,图书信息的录入,修改和删 除功能模块、学生信息管理模块、图书信息排序模块、图书信息查询功能模块、 借书还书功能模块、个人信息界面功能模块。每一个模块既是相互独立又是相互 联系的,同时全面考虑了用户端可能发生的各种情况,每个界面都设有回退上一 步和前进到下一步的选项,且设有输入错误的提示。 用户端面向管理员和学生两种对象,根据两种对象的不同属性设置了不同的 功能和模块。该系统的实现具有重大的意义,线上自动的借书还书,节省了许多 人力物力,提高了图书管理的效率,提高了图书信息管理的清晰度,提高了馆藏 书籍的安全度。
2022-06-16 13:05:28 530KB c语言
1
计算机项目实践实验报告.docx
2022-06-10 21:04:32 49KB 计算机项目实践实验报告.docx
5.6-PostgreSQL数据库管理项目实践.ppt
2022-06-09 22:01:03 1.42MB 计算机 互联网 文档 资源
华为政企数字化转型项目实践.pdf
2022-06-06 11:00:10 1.87MB 数据治理
java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践 java毕业设计指南与项目实践
2022-05-29 12:53:15 16.07MB java 毕业设计 指南 项目
1
人工智能-项目实践-深度学习-使用深度学习来识别 captcha 验证码 本项目会通过 Keras 搭建一个深度卷积神经网络来识别 captcha 验证码,建议使用显卡来运行该项目。 下面的可视化代码都是在 jupyter notebook 中完成的,如果你希望写成 python 脚本,稍加修改即可正常运行,当然也可以去掉这些可视化代码。 2019 年更新了: 适配了新版 API 提高了数据生成器的效率 使用了 CuDNNGRU 提高了训练和预测效率 更新了文档
2022-05-29 12:05:16 6.51MB 源码软件 人工智能 深度学习 识别
人工智能-项目实践-实体识别-基于tensorflow深度学习的中文的命名实体识别 一个中文的实体命名识别系统 当前版本基于双向循环神经网络(BiRNN) + 条件随机场(CRF)来完成实体的标注。 基本思路是利用深度神经网络提取特征,从而避免了手动提取特征的麻烦。 第二部和传统的方式一样,使用CRF在做最后的标注。 该程序使用Tensorflow完成,使用了当前较新的DataSet API,使数据预处理和feed更优雅。 由于使用了新的API, Tensorflow版本必须大于1.2.0,代码升级后使用的是TensorFlow1.4,不确定原来Tensorflow1.2是否还兼容。
2022-05-26 12:05:53 337KB tensorflow 深度学习 机器学习 中文