山东大学人工智能导论实验1工程文件-numpy的基本操作 详解博客地址：https://blog.csdn.net/m0_52316372/article/details/125625648 内容： 使用numpy实现深度学习任务中的一些基本操作，包括以下函数：  sigmoid function  sigmoid gradient function  softmax function  cross entropy loss function 目标：  熟悉numpy的一些基本函数  理解sigmoid, softmax, cross entropy loss等函数 代码要求：  按代码模板实现函数功能 文档要求：  代码运行结果截图(main函数里的内容不要修改)  sigmoid函数的公式及图像  sigmoid函数梯度求解公式及图像  softmax函数公式  cross entropy loss function公式  它们在神经网络中有什么用处？

山东大学人工智能导论实验3工程文件-Logistic回归分类器识别猫 详解博客地址：https://blog.csdn.net/m0_52316372/article/details/125626670 内容： 建立Logistic回归分类器用来识别猫。参考1 和 参考2 目标：  基于作业二的拓展，进一步理解神经网络的思想  理解逻辑回归实际上是一个非常简单的神经网络 代码要求 1. 定义模型结构 2. 初始化模型的参数 3. 循环  计算当前损失（前向传播）  计算当前梯度（反向传播）  更新参数（梯度下降） 文档要求：  尝试不同的学习率（至少三种），观察不同学习率下随着迭代次数的增加损失值的变化，请粘贴不同学习率下损失的变化曲线图像，放到一张图像上，分析不同的学习率对模型准确率的影响及原因，如何选择合适的学习率。 数据集介绍：  datasets/train_catvnoncat.h5 保存的是训练集里面的图像数据（本训练集有209张64x64的图像）及对应的分类值（0或1，0表示不是猫，1表示是猫）  datasets/ test_catvnonca

适合大学生，人工智能导论课作业

database xpositive(symbol,symbol) xnegative(symbol,symbol) predicates run plant_is(symbol) it_is(symbol) positive(symbol,symbol) negative(symbol,symbol) clear_facts remember(symbol,symbol,symbol) ask(symbol,symbol) goal run. clauses run:- plant_is(X),!, write("\nYour plant may be a(n) ",X), nl,nl,clear_facts. run:- write("\nUnable to determine what"), write(" your plant is. \n\n"),clear_facts. positive(X,Y) if xpositive(X,Y),!. positive(X,Y) if not(negative(X,Y)),! and ask(X,Y). negative(X,Y) if xnegative(X,Y),!. ask(X,Y):- write(X," it ",Y,"?\n"), readln(Reply), remember(X,Y,Reply). remember(X,Y,y):- asserta(xpositive(X,Y)). remember(X,Y,n):- asserta(xnegative(X,Y)), fail. clear_facts:- retract(xpositive(_,_)),fail. clear_facts:- retract(xnegative(_,_)),fail. clear_facts:- write("\n\nPlease press the space bar to Exit"), readchar(_). plant_is(chrysanthemum) if it_is(ornamental)and positive(has,colorful_flowers). plant_is(rose) if it_is(ornamental) and positive(has,sting)and positive(does,defoliate). plant_is(cacti) if it_is(ornamental)and it_is(food)and positive(has,lanceolar_leaf). plant_is(apple) if it_is(wood) and it_is(food)and not(positive(has,nice_flower))and positive(does,defoliate). plant_is(peach) if it_is(wood) and it_is(food)and positive(has,nice_flower)and positive(does,defoliate). plant_is(aloe) if it_is(ornamental) and it_is(food)and positive(has,succulent_leaf). plant_is(pea) if it_is(ornamental) and it_is(food). plant_is(pinee) if it_is(wood) and positive(had,big_body)and positive(has,lanceolar_leaf). it_is(ornamental) if it_is(herbage) and positive(has,nice_flower). it_is(herbage) if positive(is,herb). it_is(wood) if positive(is,perennial). it_is(wood) if positive(is,woody). it_is(food) if positive(is,food). it_is(herbage) if positive(is,annual).

人工智能导论：A2.2-Support Vector Machines-I

人工智能导论：A2.3-Support Vector Machines II--Kernel

人工智能导论：蒙特卡罗博弈方法

人工智能导论：第二章 对抗搜索

人工智能导论：第六章 专家系统

人工智能导论：第三章 高级搜索1