AI_Stock 可以根据新闻预测股票价格的AI。

用C++写的基于MFC界面的斗地主小游戏源码，内含详细注释，附带了简单的AI出牌规则，放出来供大家参考交流。vs2010编写，vs2015测试可用，理论上vs05及以上都可正常编译运行。 void Judge::MainFlow() { switch(DataCenter::Instance().GetPlayState()) { case EM_LandHolderBorn_PlayState: { //先检查是否已经问完了 //遍历玩家检查是否已经询问过了，如果已经都问过了，则设置叫分最高的为地主 BOOL bAllAsked = TRUE;//是否已经询问完了 vector & vecPlayer = DataCenter::Instance().GetPlayerList(); for (UINT i = 0; i < vecPlayer.size(); i++) { //统计当前最高分 if (vecPlayer[i].GetLandOwerScore() > m_nCurHighstScore) { m_nCurHighstScore = vecPlayer[i].GetLandOwerScore(); m_pToBeLandOwer = &vecPlayer;[i]; } if (vecPlayer[i].GetLandOwerScore() < 0) { bAllAsked = FALSE; } } //如果已经全部问过了，则设置当前最高分的为地主 if (bAllAsked) { m_pToBeLandOwer->SetLandOwer(TRUE); } //然后根据情况执行询问流程 //如果地主已经产生，则跳入下一阶段 if (NULL != DataCenter::Instance().GetLandOwner()) { m_pCurPlayer = NULL; DataCenter::Instance().SetPlayState(EM_WaitPlayer_PlayState); MainFlow(); return; } //如果当前player为空，设置当前player为地主牌得主 if (m_pCurPlayer == NULL) { m_pCurPlayer = DataCenter::Instance().GetLandOwnerCardHolder(); } //对当前玩家执行地主问询 ASSERT(m_pCurPlayer); m_pCurPlayer->ExcuteCallLandOwer(); } break; case EM_WaitPlayer_PlayState: { //如果游戏已经结束，则执行结束逻辑 BOOL bLandOwerWin = FALSE; if (DataCenter::Instance().IsOver(bLandOwerWin)) { if (bLandOwerWin) { AfxMessageBox(_T("地主赢了!")); } else { AfxMessageBox(_T("佃户赢了!")); } DataCenter::Instance().SetPlayState(EM_WaitToStart_PlayState); //将所有玩家明牌 DataCenter::Instance().ShowAllPlayerCard(); RefreshView(); return; } //如果是出牌阶段而当前player为空，设置当前player为地主，并发予底牌 if (m_pCurPlayer == NULL) { m_pCurPlayer = DataCenter::Instance().GetLandOwner(); DataCenter::Instance().SendOutBottomCard(); RefreshView(); } ASSERT(m_pCurPlayer); m_pCurPlayer->ExcuteCallCardPlay(); } break; } } void Judge::CurPlayerCallScore(int nScore) { if (m_pCurPlayer == NULL) { ASSERT(FALSE); return; } //将玩家选择的分数设置给玩家 m_pCurPlayer->SetLandOwerScore(nScore); //如果当前玩家为空，直接返回 if(m_pCurPlayer == NULL) { return; } if (nScore == 3) { //如果玩家叫了三分，直接设为地主 m_pCurPlayer->SetLandOwer(TRUE); } else { //玩家叫的不是三分，则记下玩家叫的分数 m_pCurPlayer->SetLandOwerScore(nScore); } if (nScore == 0) { CString strWord; strWord.Format(_T("不叫")); m_pCurPlayer->Say(strWord); } else { CString strWord; strWord.Format(_T("%d分"), nScore); m_pCurPlayer->Say(strWord); } //玩家叫分后隐藏叫地主按钮 Judge::Instance().ShowCallLandOwerBtn(FALSE); //切换到下一个玩家，流程继续 SwitchToNextPlayer(); MainFlow(); }

界面也很好看，有需要的可以下载研究一下。 支付用的微信官方支付 有详细安装教程

2023最新版ChatGPT网站源码/亲测可用/支持AI绘画/源码持续更新/支持用户付费套餐+赚取收益！ 2023最新版ChatGPT网站源码/亲测可用/支持AI绘画/源码持续更新/支持用户付费套餐+赚取收益！ 最新版本功能更新： 安装教程： AI付费创作系统: 程序完美运行无BUG，独家开发，支持6种开通模式。 套餐次数和价格可以自定义在后台进行修改 支付直接对接易支付或码支付就可以了，每个IP均有免费提问一次(可以自定义)，然后自动强制跳转登录 登录之后可购买付费套餐，也可以关闭整站收费功能，具体到后台设置里面自己去看吧 第一步-配置APIKEY，登录网站后台自定义配置，不然网站无法使用！ 第一步-配置数据库:lib/config.php 第三步-导入数据库 第四步-PHP选择:7.3 第五步-访问网页即可！ 后台地址/admin 默认账号:admin 密码:123456 【文章只写到2023年5月13日的更新，支持后台一键更新，永久更新，最新新增功能以及更新，请搭建后点击一键更新体验！】

本资源为基于C++的AI五子棋游戏项目源码，此源码可以直接下载运行。本项目基于C++开发，完成了棋手与AI的对弈，胜负判定，音效播放等等功能，AI下棋能力达到了中级棋手的水平，也可以通过进一步对价值评分的修改来使AI的棋力更上一层楼！

anaconda3-2019.03-Windows-x86_64.exe，官网下载太慢，上传分享一下。

基于AI的地震信号检测器和鉴相器 描述 EQTransformer是基于AI的地震信号检测器和相位（P＆S）拾取器，基于带有注意机制的深度神经网络。 它具有专门为地震信号设计的分层体系结构。 EQTransformer已经接受了全球地震数据的培训，可以同时高效地执行检测和到达时间的选择。 除了预测概率，它还可以提供估计的模型不确定性。 EQTransformer python 3软件包包括用于下载连续地震数据，进行预处理，执行地震信号检测以及使用预先训练的模型进行相位（P＆S）拾取，构建和测试新模型以及执行简单的相位关联的模块。 开发人员：S. Mostafa Mousavi 链接 说明文件： : 论文： https : //rdcu.be/b58li 参考 Mousavi，SM，Ellsworth，WL，Zhu，W.，Chuang，L，Y。和Beroza，G，C。 Nat C

DouZero_For_Happy_DouDiZhu: 将DouZero用于欢乐斗地主实战 本项目基于 环境配置请移步项目DouZero 模型默认为WP，更换模型请修改start.py中的模型路径 运行main.py即可 SL (baselines/sl/): 基于人类数据进行深度学习的预训练模型 DouZero-ADP (baselines/douzero_ADP/): 以平均分数差异（Average Difference Points, ADP）为目标训练的Douzero智能体 DouZero-WP (baselines/douzero_WP/): 以胜率（Winning Percentage, WP）为目标训练的Douzero智能体 说明 欢乐斗地主窗口模式最大化运行，屏幕分辨率1920x1080。由于设计像素级操作，运行出错请检查截图区域坐标（位于MyPyQT_Form类中的__i

一般的 该存储库提供了代码和示例，用于生成最接近的反事实说明和最少的后续干预措施。 支持以下论文： （4c691b4 @ ） （9387e6c @ ） 代码先决条件 第一的， $ git clone https://github.com/amirhk/mace.git $ pip install virtualenv $ cd mace $ virtualenv -p python3 _venv $ source _venv/bin/activate $ pip install -r pip_requirements.txt $ pysmt-install --z3 --confirm-agreement 然后参考 $ python batchTest.py --help 并运行如下 $ python batchTest.py -d * dataset * -m * mod

主要使用算法： maxmin 极大极小值搜索 alphabeta 剪枝算法( 与阿尔法围棋 AlphaGo 一样的算法 )，可进行 AI 人机对决。 注：使用AI算法比较复杂，1500+的代码计算起来会很慢。使用turbowarp编译可以大幅度提升速度（大约快15倍左右）! 操作：【Q】查看日志，【R】开外挂( 作弊按键 )。 此后仍有作品或有趣游戏，请关注原作者，且点赞加收藏，记得推荐好友。下载即可游玩，快来下载吧！