Tag Archives: 时空

人体姿态估计动作识别系统：MediaPipe+时空Transformer方案

By tecdat9月 10, 2026AI人工智能辅导, Python辅导, 人工智能, 图像处理, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术Action, action-recognition, approach, Estimation, human, human-pose-estimation, MediaPipe, pose, pose-estimation, Recognition, scheme, solution, spatial-temporal, spatio-temporal, spatio-temporal-Transformer, System, Transformer, 人体, 人体姿态估计, 估计, 动作, 动作识别, 姿态, 姿态估计, 方案, 时空, 时空Transformer, 系统, 识别

本文给出人体姿态估计动作识别系统：MediaPipe Pose 提取 33 关键点，3 层时空 Transformer 建模，5 类动作准确率 94.67%，参数量 1.20M、推理 4.2ms/帧，可边缘部署，附 AI Agent 与可复用 Skill。

Python开发DQN-HMM-ST-DBSCAN-FP-Growth融合模型进行美妆产品智能推荐|附AI智能体、代码和数据

By tecdat8月 4, 2026AI人工智能辅导, Python辅导, 人工智能, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术beauty-product, cosmetic, DBSCAN, deep-Q-network, density-based-clustering, Development, DQN, FP-Growth, frequent-pattern-growth, fusion-model, hidden-Markov-model, HMM, intelligent-recommendation, model-fusion, python, recommendation-system, spatio-temporal, ST, 产品, 密度聚类, 开发, 推荐, 时空, 智能, 智能推荐, 模型融合, 深度Q网络, 美妆, 美妆产品, 融合模型, 隐马尔可夫模型, 频繁模式增长

本文回答以下核心问题：
1. 如何融合时空特征与行为序列构建美妆用户画像？
2. PELT变点检测如何划分双十二促销周期？
3. DQN强化学习如何实现动态个性化推荐？
4. ST-DBSCAN聚类怎样刻画用户时空群体特征？
5. FP-Growth关联规则如何指导商品组合策略？

LSTM-Transformer混合模型与多源时空数据的全球水平面辐照度预测：Python实现、模型对比与消融分析 |附代码与数据

By tecdat4月 2, 2026AI人工智能辅导, Python辅导, 人工智能, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术LSTM, python, Transformer, 代码, 全球, 分析, 多源, 实现, 对比, 数据, 时空, 模型, 水平面, 消融, 混合模型, 辐照度, 预测

作为一种环保型可再生能源，太阳能的开发利用已成为全球能源转型的核心。太阳辐照度（GHI）的精确预测是保障太阳能发电系统稳定运行和电网调度的关键技术。针对传统物理模型依赖复杂气象参数、统计模型难以捕捉非线性时空特征的痛点，本研究构建了一种LSTM-Transformer混合深度学习架构。

拓端AI助手