利用 Visual Basic6.0集成开发环境和面向对象的程序设计方法以及绘图的功能,对α粒子 散射实验进行模拟。用户只需在界面上设定实验参数,计算机就会形象地描述出α粒子散射的运动 轨迹。

38000词汇思维导图α版。 适合各个阶段的英语学习者，不适合英语纯纯纯小白。 内容包括1456个词根的思维导图：每个单词内容有（单词、音标、词频、等级、释义、笔记、例句） α版特点： 优：内容丰富，相当于一本小型词典；已完更； 缺：排版不完美。

1．学习率η和动量因子α BP算法本质上是优化计算中的梯度下降法，利用误差对于权、阀值的一阶导数信息来指导下一步的权值调整方向，以求最终得到误差最小。为了保证算法的收敛性，学习率η必须小于某一上限，一般取0<η<1而且越接近极小值，由于梯度变化值逐渐趋于零，算法的收敛就越来越慢。在网络参数中，学习率η和动量因子α是很重要的，它们的取值直接影响到网络的性能，主要是收敛速度。为提高学习速度，应采用大的η。但η太大却可能导致在稳定点附近振荡，乃至不收敛。针对具体的网络结构模型和学习样本，都存在一个最佳的学习率门和动量因子α，它们的取值范围一般0～1之间，视实际情况而定。在上述范围内通过对不同的η和α的取值进行了考察，确定本文神经网络模型的参数为：η＝0.7，α＝0.9。

为克服在 SαS噪声环境下的 DOA估计方法没有考虑宽带信号的情况,在分析SαS噪声环境下宽带信号阵列输出矩阵性质的基础上,将时域方法与频域方法有机结合起来,通过构造L型阵列的各频带的分数阶累计量,将一维宽带信号阵列模型拓展到二维,并利用 CSM聚焦算法,通过 k个聚焦矩阵 T( fk )把不同频率处的方向矩阵变换到同一参考频率f0下的矩阵,采用改进的分数低阶矩阵(MFLOM)来作为共变矩阵的估计子。实现了 SαS噪声环境下的宽带信号的二维波达角估计,通过仿真分析证明了该算法的有效性。

- 采用α-β剪枝算法实现井字棋游戏 - 图形化界面 - 随机选取先手后手 - 可以人-计算机或计算机-计算机

比较简单的alpha-beta剪枝算法，帮助理解，代码中的树需要自己构造

基于α-β剪枝的一字棋源代码，人工智能实验必备

包含国际数棋图形界面、网络版、AI版

人工智能α-β剪枝实现的一字棋实验报告.pdf

一字棋-人工智能源程序以及文档本程序的所有开发都是在visual studio 2010中完成，开发语言为C#, 运行时环境为.NET Framework4.0。采用极大极小搜索进行下棋