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。

1.1测试对象说明 开源应用APP “Numix calculator”，为一个科学计算器，大小4.93MB。可进行加减乘除运算，正弦运算，余弦运算，正切运算，反切运算,对数运算，开方运算。 1.2测试计划 4天做好单元测试的测试用例设计，测试结果分析，2天内做好集成测试，1天内做好性能测试 1.3测试方案 对软件的基本功能进行测试

cpp代码-大作业第二题: 输入一个5行5列的二维数组，编程实现： (1) 求出其中的最大值和最小值及其对应的行列位置； (2) 求出上三角上各元素之和（上三角的元素a[i][j] ，i+j<5）。

包含综合实验设计说明书与源代码

内部包含人脸识别系统源码一套，人脸识别系统流程图，人脸识别系统sql，人脸识别系统大学生课程设计文档，源码导入Idea即可运行，课程设计文档包含本人信息的图片有所删除，其余内容皆完整。

Android开发安卓大作业人脸识别签到系统源码。Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码。Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码。Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码。Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码Android开发安卓大作业人脸识别签到系统源码

操作系统大作业在Linux系统使用C++实现模拟Linux命令解析器源代码. 模拟命令 ①pwd ②list <目录名> ③modifydir <目录名或路径> ④makedir <目录名> ⑤deldir <目录名> ⑥exit ⑦rename<旧文件名> <新文件名> ⑧copy<文件名><副本文件名> ⑨find<目录> <待查找文件名> 模拟命令 ①pwd ②list <目录名> ③modifydir <目录名或路径> ④makedir <目录名> ⑤deldir <目录名> ⑥exit ⑦rename<旧文件名> <新文件名> ⑧copy<文件名><副本文件名> ⑨find<目录> <待查找文件名>

深度学习大作业文本分类任务源代码。 使用说明如下： Baselines baseline运行方法：运行 codes/baselines/run.py ， 用 --model参数指定需要运行的模型（必选），用 --dataset 参数指定数据集（可选，默认为AGNews） baseline中各模型的超参数设置见各模型定义文件中 预训练参数下载地址： 链接：https://pan.baidu.com/s/1wqxUAA4LpE3LIgF3kP-6QQ 提取码：gaw3 下载后放入 codes/baselines/pre_trained 中即可 数据集： 中文数据集，原作者从THUCNews中抽取的20万条新闻标题。一共10个类别，每类2万条。 类别：财经、房产、股票、教育、科技、社会、时政、体育、游戏、娱乐。 英文数据集，来自文本分类经典数据集AG News，包含新闻的标题、内容和标签。使用中对数据进行了简单处理，将标题和内容进行了拼接作为一列，并将训练数据划分为了训练集和验证集。一共4个类别，每类13900条。 类别：世界、体育、商业、科技。