该游戏有两个系统。一个是玩家控制的小车。还有一个AI控制的坦克可以自动探寻敌方坦克所在位置，进行攻击。
运行run_examples.py文件，可以实现坦克战斗界面，其中：
machine_control()
# human_control()
两个函数进行选择性注释，第一个为增强学习后的坦克大战。第二个函数 human_control()为认为操作进行坦克大战。
run_RF.py函数实现了增强学习模型训练过程。
坦克大战功能：
人工操作坦克控制功能
使用pygame库之后，可以检测玩家的控制，当玩家按下按键后，就可以映射到我方坦克上，从而进行操控。基本操作是：
w——前进
s——后退
a——向左前进
d——向右前进
空格——发射导弹
Tensorflow（神经网络编程框架） 2.12
Keras（高级神经网络框架） 2.3.4
2022-06-01 16:06:28
55.7MB
基于csp特征，然后实现LDA和bp神经网络的分类技术研究
Csp-lda，csp-bp的脑电波分类技术研究
2022-05-31 09:11:41
102.2MB
1.领域：matlab，BP神经网络
2.内容：通过BP神经网络进行数据预测分别进行自己编程实现BP以及matlab工具箱实现BP+代码操作视频
3.用处：用于BP神经网络编程学习
4.指向人群：本硕博等教研学习使用
5.运行注意事项：
使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。
具体可观看提供的操作录像视频跟着操作。
2022-05-31 09:11:39
13KB
BP神经网络matlab实现的一个例子和matlab工具箱使用实例，里面有一个word文档和一个pdf文档
2022-05-30 14:43:40
99KB
1
锂电池数据驱动方法学习过程，通过BP神经网络梯度下降法训练网络参数，利用具体数据集训练，数据的20%用于验证训练算法鲁棒性
2022-05-28 19:07:10
44KB
本文选取2015年1月至2016年3月中国部分车站的客流数据，建立了BP神经网络的铁路客流时间序列预测模型。 但由于收敛速度慢，容易陷入问题的局部最优解，建议通过遗传算法改进BP神经网络的时间序列模型，以预测铁路客流。 实验结果表明，改进的方法具有较高的预测精度和较好的非线性拟合能力。
2022-05-28 14:05:42
1.34MB
1