NJU-Artificial-Intelligence 2018Spring 人工智能 课程

人工智能课程上的实验 分别使用lisp语言和prolog语言实现了一个专家系统 并且有详细的实验报告 附带画的二级推理树 （1） 领域背景简介 为了更好地阐明专家系统的基本工作原理 ,我们用 PROLOG语言实现一个简单的动物识别专家系统。该系统可以识别老虎、金钱豹、斑马、长颈鹿、鸵鸟、企鹅、信天翁这 7 种动物。 （2） 求解问题的范围（如植物分类涉及哪些大类，哪些子类） 首先 ,将动物粗略地分为哺乳动物、鸟、肉食动物 3 大类 ,然后逐步缩小分类范围，再将动物分为老虎、金钱豹、斑马、长颈鹿、鸵鸟、企鹅、信天翁 在知识库中 ,并非简单地给每一种动物一条规则。首先 ,将动物粗略地分为哺乳动物、鸟、肉食动物 3 大类 , 然后逐步缩小分类范围 ,最后给出识别 7 种动物的规则。如图给出了识别长颈鹿和斑马的推理网络。 （1） 规则的前提和结论的表示方法 在本系统当中 ,知识库中的知识用产生式规则来表示。本系统能够识别 7 种动物 ,知识库中共有以下 15 条 规则。 R1 IF 该动物有毛发 THEN 该动物是哺乳动物 R2 IF 该动物有奶 THEN 该动物是哺乳动物 R3 IF 该动物有羽毛 THEN 该动物是鸟 R4 IF 该动物会飞 AND 会下蛋 THEN 该动物是鸟 （2） 规则的结论为中间结论时，规则的格式 R5 IF 该动物吃肉 THEN 该动物是肉食动物 R6 IF 该动物有犬齿 AND 有爪 AND 眼盯前方 THEN 该动物是肉食动物 R7 IF 该动物是哺乳动物 AND 有蹄 THEN 该动物是有蹄类动物 R8 IF 该动物是哺乳动物 AND 是嚼反刍动物 THEN 该动物是有蹄类动物 （3） 规则的结论为最终结论时，规则的格式 R9 IF 该动物是哺乳动物 AND 是肉食动物 AND 是黄褐色们 AND 身上有暗斑点 THEN 该动物是金钱豹 R10 IF 该动物是哺乳动物 AND 是肉食动物 AND 是黄褐色 AND 身上有黑色条纹 THEN 该动物是虎 R11 IF 该动物是有蹄类动物 AND 有长脖子 AND 有长腿 AND 身上有暗斑点 THEN 该动物是长颈鹿 R12 IF 该动物是有蹄类动物 AND 身上有黑色条纹 THEN 该动物是斑马 R13 IF 该动物是鸟 AND 有长脖子 AND 有长腿 AND 不会飞 THEN 该动物是鸵鸟 R14 IF 该动物是鸟 AND 会游泳 AND 不会飞 AND 有黑白二色 THEN 该动物是企鹅 R15 IF 该动物是鸟 AND 善飞 THEN 该动物是信天翁

内容包含数据集、完整源码以及运行结果。 实验内容：利用GAN网络、mnist数据集生成数字图像。 实验过程：1.进行环境配置 2.首先进行数据准备，将MNIST数据集离线下载，添加至对应的路径，避免代码执行过程中重复下载。 2.对MNIST数据集进行可视化展示，便于之后对比。 3.导入程序需要的模块，如torch、numpy等。 4.对分析器进行参数设定与解析。 5.定义生成器和判别器，实现隐藏层、BN以及前向传播。 6.定义损失函数。 7.初始化生成器、判别器和使用GPU加速。 8.定义神经网络优化器，使用动量梯度下降法。 9.对生成网络和训练网络进行训练。 10.结果保存。 11.修改参数，进行结果对比并分析。

人工智能课程设计-智慧交通项目

基于OpenCV+Python实现的手势识别项目完整源码+数据集+项目使用说明.7z 本项目需要 PyCharm 来运行 可以在创建项目的时候，创建 Python 运行环境，建议使用anaconda来配置。 带数据集，可训练模型 【基础包需要安装】 pip install numpy pip install scipy pip install python-tk 直接运行myGUI或者main即可，也可以自己修改一些参数重新训练模型。

在计算机视觉领域，人工智能越来越火爆。 资源包括两个文件： 1.人工智能与计算机视觉的pdf文件； 2.计算机视觉PPT 第一个文件是在校教学，拷贝老师教学的PPT，变成了PDF文件； 第二个是相关计算机课程的文件， 两个都是与计算机课程相关的资源，需要的可以自提。

基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能课程作业 手写数字识别 数据集 详细注释 好理解 实验结果及总结 基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z

基于python实现的广度优先遍历搜索(BFS)实验源码+代码详细注释+项目说明+实验结果及总结.7z 广度优先搜索算法（英语：Breadth-First-Search，缩写为BFS），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树的宽度遍历树的节点。如果所有节点均被访问，则算法中止。BFS是一种盲目搜索法，目的是系统地展开并检查图中的所有节点，以找寻结果。 BFS会先访问根节点的所有邻居节点，然后再依次访问邻居节点的邻居节点，直到所有节点都访问完毕。在具体的实现中，使用open和closed两个表，open是一个队列，每次对open进行一次出队操作（并放入closed中），并将其邻居节点进行入队操作。直到队列为空时即完成了所有节点的遍历。closed表在遍历树时其实没有用，因为子节点只能从父节点到达。但在进行图的遍历时，一个节点可能会由多个节点到达，所以此时为了防止重复遍历应该每次都检查下一个节点是否已经在closed中了。

基于python实现的遗传算法实验源码+详细注释+项目说明+实验结果及总结.7z 人工智能课程作业 遗传算法具体步骤： （1）初始化：设置进化代数计数器t=0、设置最大进化代数T、交叉概率、变异概率、随机生成M个个体作为初始种群P （2）个体评价：计算种群P中各个个体的适应度 （3）选择运算：将选择算子作用于群体。以个体适应度为基础，选择最优个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代 （4）交叉运算：在交叉概率的控制下，对群体中的个体两两进行交叉 （5）变异运算：在变异概率的控制下，对群体中的个体进行变异，即对某一个体的基因进行随机调整 （6） 经过选择、交叉、变异运算之后得到下一代群体P1。

人工智能课程设计报告