BP神经网络大作业，有cost变化曲线，是最基本的一种网络算法。

主要功能：RGB到灰度图像，RGB到灰度图像，亮度和对比度变换，亮度拉伸变换，对数拉伸变换，二值化图像，灰度变化法，取反色，直方图调整法，图像几何变换，通用图像旋转，水平翻转，垂直翻转，图像缩放，错切变换，水平错切，垂直错切，图像噪声模型，椒盐噪声，高斯噪声，泊松噪声，空间域滤波，直方图均衡化，线性空间滤波，非线性滤波（中值滤波），中值滤波，排序滤波，逆谐波均值滤波器，经典锐化方法，经典梯度锐化，经典拉普拉斯锐化，经典平滑方法，模板均值法，领域均值法，频率域滤波，低通滤波器，理想低通滤波器，巴特沃斯低通滤波器，高斯低通滤波器，高通滤波器，理想高通滤波器，巴特沃斯高通滤波器，高斯高通滤波器，理想带通滤波器，理想带阻滤波器 傅里叶变换，傅里叶正变换，傅里叶反变换，没有中心化的傅里叶变换，没有中心化的傅里叶反变换，图像退化模型，运动造成的模糊，带噪声的运动模糊等

最新数据库实验--学生宿舍管理系统设计大作业.doc

最新实验数据与处理大作业题目及复习资料.doc

深度学习基于卷积神经网络实现的猫狗图像分类项目系统源码+猫狗识别数据集+大作业文档以及答辩PPT。 由于数据集中图片数量太多，所以将图片数据打包存在了 cats_and_dogs.zip 里面。 该数据集包含25000张猫狗图像(每个类别各有12500张)。CNN是用这个集合里面的数据进行训练，CNN基于验证集上的性能来调节模型配置（超参数：层数，每层神经元数量等）图像数据输入卷积神经网络之前，应该将数据格式化为经过预处理的浮点数张量。 需要对图像进行向量化处理，同时对标签也要进行向量化处理。 代码位于 5.2_小型数据建立卷积神经网络_猫狗图像分类2.ipynb 中。

用C语言完成螺旋矩阵，输入n，得到n行n列的四种螺旋矩阵 1. 给定N的值，从矩阵的左上角输出顺时针螺旋矩阵 例如N=4时，输出： 1 2 3 4 12 13 14 5 11 16 15 6 10 9 8 7 2．给定N的值，从矩阵的右上角输出逆时针螺旋矩阵 例如N=4时，输出： 4 3 2 1 5 14 13 12 6 15 16 11 7 8 9 10 3. 给定N的值，从内到外顺时针旋转 例如N=3时，输出： 7 8 9 6 1 2 5 4 3 4．给定N的值，从内到外逆时针旋转 例如N=3时，输出： 5 4 3 6 1 2 7 8 9 5．给定N的值，从矩阵的左上角顺时针输出上三角螺旋矩阵 例如N=4时，输出： 1 2 3 4 9 10 5 8 6 7 6．退出系统

注意： 1.本项目因电梯运行效果在单片机上不佳，所以运用isis全程模拟单片机，传感器操作。 2.本项目运用了串口通信收发数据，所以运用时需要下载VB，串口助手等软件。 功能：根据实际控制电梯楼层升降，检测电梯内温湿度，火焰，到达楼层等。

人工智能期末大作业大合集+课程设计+结课作业大合集。根据作业要求，每个算法都有相应的算法介绍、实验代码、实验结果、实验总结。全部使用Python实现。 人工智能作业大合集总共分为三大部分，每部分由几个相关算法组成，如下： 1、搜索算法 深度优先 广度优先 A星八数码 Tips:三种算法都用于解决八数码问题。在Astar算法中比较了三者的性能，显然Astar要比另外两个强 2、智能优化算法 遗传算法 粒子群寻优算法 蚁群算法 Tips:三种算法都用于解决TSP问题，其中粒子群寻优算法不适合解决TSP问题，但经过改造后仍然可以用于解决TSP。数据集是att48，其最优解是10628/33523，这两个数分别是伪欧氏距离和欧氏距离 3、深度学习 BP神经网络 卷积神经网络 Tips:两种算法都用于解决手写体识别。由于使用的是TensorFlow，已经很好的实现了深度学习的功能。所以主要是学习了深度学习的原理，并能够使用TensorFlow。

题目是文本分类-情感分析（SVM+TF-IDF，预训练词向量+TextCNN，RNN文本分类），编程平台主要是jupyter notebook，编程语言是python。含报告和代码，该课程期末成绩满绩。

cpp代码-大作业第五题: 定义一个date类如下： class Date { public: void SetDate(int y,int m,int d); void IsLeapYear(); private: int year; int month; int day; }; 要求： (1)编写SetDate(int y,int m,int d)函数，实现对象中数据成员的设置； (2)编写IsLeapYear()判断该年是否是闰年。