效果展示： https://user-images.githubusercontent.com/36581610/50039518-d29d4400-0001-11e9-9c36-eb782cdb37c9.gif 播放器 每个玩家都有一个大脑，它有一个方向向量数组，用于确定他们的方向。起初这些向量都是随机初始化的。经过几代人的努力，玩家的大脑开始变得优化，可以在墙上导航。 人口 创建了 300 名玩家，每个人都有自己的大脑。一旦种群中的所有玩家都死亡，则计算每个玩家的适应度。在计算出适应度之后，种群然后执行自然选择。为此，创建了一个新的一代，它继承了前一代的一些内容并对其进行变异以可能产生改进。被继承的球员是由他们的适应度决定的，适应度较高的球员更有可能被选择继承。 突变 当对玩家的大脑进行变异时，全局变异率用于确定大脑中有多少变异。此变量初始化为 0.01 ( 1% )，但可以调整以引起或多或少的剧烈突变。

效果展示： https://user-images.githubusercontent.com/34769156/46087938-fd2ced00-c1c8-11e8-85fe-292bb6108554.gif 用法 要执行，请转到应用程序文件夹并运行 GA2.exe。该应用程序具有易于使用的 gui。

效果展示： https://user-images.githubusercontent.com/36581610/50392983-e7c05400-0720-11e9-8c97-523f1e3687b7.gif https://user-images.githubusercontent.com/36581610/48689204-5c8af600-eb97-11e8-8deb-e0391667e4d7.PNG 神经网络 每个涂鸦都包含一个神经网络。神经网络有一个 5 个神经元的输入层、2 个 4 个神经元的隐藏层和一个 2 个神经元的输出层。 遗传算法 创建了 200 幅涂鸦，每幅涂鸦都有自己的神经网络。在所有涂鸦死后，选择一些得分最高的涂鸦来复制并创建一个由 200 个涂鸦组成的新种群。每一代都重复这个过程。 想象 涂鸦可以看到 5 个方向。在这些方向中的每一个上，涂鸦都可以看到到一个垫子的距离，如果那个方向上有一个垫子的话。

LIDC-IDRI-语义处理 用于从LIDC-IDRI创建DICOM数据的语义标签图的管道。

计算机组成与结构：lecture 17 Parallel Processing.pdf

计算机组成与结构体系英文课件：Chapter5 Basic Processing Unit.pdf

计算机组成与结构体系英文课件：Chapter 5 – Basic Processing Unit.ppt

这项工作是通过制定非负稀疏信号恢复 (SSR) 问题和开发非负稀疏贝叶斯学习 (NNSBL) 算法来解决稀疏数组的源定位问题。 1.在'NNSBL.m'中给出了所提出的算法，在'Conven_SBL.m'中给出了传统的SBL算法以进行比较。 2. 'MRA_output.m' 用于生成阵列输出数据，'Peaksearch.m' 和'peak_find.m' 用于查找空间谱中的峰值位置。 3. 'Main_Simulation.m' 用于显示空间谱。 4. 'rmse_snr.m' 用于显示 DOA 估计与 SNR 的 RMSE。 5. 'rmse_snapshot.m' 用于显示 DOA 估计的 RMSE 与快照数量的关系。

数据库管理系统：ch13 Query Processing.ppt

从头开始图像处理 这是什么？ 该存储库包含许多有趣的图像处理算法，这些算法是从头开始编写的。 阅读这些代码将使您对这些算法的原理有一个全面的了解。 我也有关于这些算法的视频教程。 去看看你是否会说中文:-) 执行所有代码都是用python3.7或C ++编写的您可能需要的模块： Python： numpy用于matix计算 matplotlib用于读取和显示图像 opencv2用于某些图像操作 C ++： 的opencv2 用法您始终可以通过以下方式运行python脚本： python script.py 对于c ++，您需要先编译cd build cmake .. make 完成后，您可以通过以下方式运行可执行文件： ./Main 只要确保您在正确的路径中放置了图像，就可以对代码进行一些修改以处理其他图像。 玩得开心！ 内容 坎尼边缘检测它是一种提取图像边缘的算法。 霍夫