内容含 猩猩 大象 老虎 狮子 水牛 狒狒 狐狸 等十多种动物

人工智能的实验报告，做的是动物识别系统，包括实验原理，实验目的，实验内容，流程图等等

这是一个 基于深度学习的卷积神经网络的四种动物识别案例分享（含数据集）。数据集含有上千张 四种动物 的图片。欢迎大家下载。

实验一：简单动物识别系统的知识表示及推理 一、实验目的 1、理解和掌握产生式表示法及其推理方法，了解其特点，基本结构和设计思想。 2、至少能够利用一种编程语言建立一个基于产生式知识表示的简单的智能系统。 二、实验内容 以动物识别系统的产生式规则为例，实现其规则库；利用规则库和综合数据库，实现推理。 三、实验要求 1、根据动物识别系统的规则建立合理的数据结构或数据库来表示知识。 2、选用熟悉的一种编程语言建立知识库和综合数据库。编辑知识库，通过输入规则或修改规则等，建立知识库。建立事实库（综合数据库），输入多条事实或结论。 3、能够实现推理过程。 4 能够根据相关参考资料，建立知识库。并且加入一些新的规则与特征，可以推出新的动物。 4、提交实验报告（包含实验步骤）和主要源程序，总结实验心得体会。 思路：实验建立一个动物识别系统的规则库，用以识别虎、豹、斑马、长颈鹿、企鹅、鸵鸟、信天翁等7种动物，在此基础上，再增加几种其他动物的识别。 为了识别这些动物，可以根据动物识别的特征，建立包含下述规则的规则库： R1：if 动物有毛发 then 动物是哺乳动物

人工智能动物识别系统实验，内含实验报告以及实验代码（java）

动物数据集+动物分类识别训练代码(Pytorch)，https://blog.csdn.net/guyuealian/article/details/126640766 动物识别数据集 动物数据集 动物识别 动物分类识别 animal dataset 前，基于ResNet18的动物分类识别，支持90种动物分类识别；在Animals90动物数据集上，训练集的Accuracy 99%左右，测试集的Accuracy在91%左右；在Animals10动物数据集上，训练集的Accuracy 99%左右，测试集的Accuracy在96%左右。骨干网络模型可支持googlenet, resnet[18,34,50], inception_v3，mobilenet_v2等常用的模型。

intermodeller的一个文件，十分可以，还有更多intermodeller的文件，上传， 希望过审核

基于深度学习实现数千种动物识别，使用Flask提供接口，提供给Android调用，提供Android应用调用程序。还有GUI界面演示。

实验目的： 1、理解并掌握基于规则系统的表示与推理。 2、学会编写小型的产生式系统，理解正向推理和反向推理的过程以及两者的区别。 3、学会设计简单的人机交互界面。 内容及步骤（部分） 1.产生式系统简介 规则库：用于描述相应领域内知识的产生式系统。 综合数据库：又称为事实库、上下文、黑板，一个用于存放问题求解过程中各种当前信息的数据结构。 控制系统：又称推理机构，由一组程序组成，负责整个产生式系统的运行，实现对问题的求解。 2.构造规则库 （1）题目事实（概念） char *feature[]={"有毛","产奶","有羽毛","会飞","会下蛋","吃肉","有犬齿","有爪","眼睛盯前方","有蹄","反刍","黄褐色","有斑点","有黑色条纹","长脖","长腿","不会飞","会游泳","黑白两色","善飞","哺乳类","鸟类","肉食类","蹄类","企鹅","海燕","鸵鸟","斑马","长颈鹿","虎","金钱豹"}; （2）题目产生式规则 ............

动物识别专家系统（源码+简单界面+实验报告） （1）题目事实（概念） char *feature[]={"有毛","产奶","有羽毛","会飞","会下蛋","吃肉","有犬齿","有爪","眼睛盯前方","有蹄","反刍","黄褐色","有斑点","有黑色条纹","长脖","长腿","不会飞","会游泳","黑白两色","善飞","哺乳类","鸟类","肉食类","蹄类","企鹅","海燕","鸵鸟","斑马","长颈鹿","虎","金钱豹"}; （2）题目产生式规则 Rule rule[15]={ {{0,-1},20}, {{1,-1},20}, {{2,-1},21}, ......... （3）根据产生式规则构造规则库，以文本的形式展现，命名为rules.txt。