与文章配对的，数据集和预训练模型均已经上传到CSDN资源，下载后将model.zip移动到根目录下的models文件夹下并解压得到一个*.h5的模型参数文件，将data.zip移动到根目录下的dataset文件夹下并解压得到包含多个数据集压缩文件，均解压即可得到包含图像的数据集（其中rar后缀的为原始jaffe数据集，这里建议使用我处理好的）。 主要在FER2013、JAFFE、CK+上进行训练，JAFFE给出的是半身图因此做了人脸检测。最后在FER2013上Pub Test和Pri Test均达到67%左右准确率（该数据集爬虫采集存在标签错误、水印、动画图片等问题），JAFFE和CK+5折交叉验证均达到99%左右准确率（这两个数据集为实验室采集，较为准确标准）。

利用启发式搜索中的A*算法解决八数码问题，比传统的宽度优先等搜索算法具有更高的效率

一．简介/问题描述1.1待解决问题的解释本实验用一个叫pacman的游戏让学生编写一些搜索策略控制吃豆人去吃豆子。吃豆人在行走的过程中需要遵守游戏规则，如不能翻

使用对数交换进行图像增强 使用直方图进行图像增强 使用均衡直方图进行图像增强 使用阈值进行图像增强 使用指数交换进行图像增强

人工智能例题大纲.docx

使用人工鱼群算法很好的实现TSP问题，代码备注清晰

人工智能-基于卷积神经网络的饮食分类与识别.pdf

人工智能-图像处理-隧道掌子面图像处理系统的研究与实现.pdf

OPT（Omni-Perception Pre-Trainer）是全场景感知预训练模型的简称，中文名字叫紫东太初，是中科院自动化和华为联合研发的多模态预训练模型，本仓是紫东太初十亿参数级别模型的MindSpore版本代码，包含预训练模型及多个下游任务模型。

内容概要：《大数据与人工智能》期末大论文，课程作业，重点知识梳理知识点归纳，心得体会，教学建议，课程评价。 适用人群：计算机相关专业软件工程大数据计算机等专业期末复习或者作业，水平有限有错误希望提出更改一起交流一起进步。 能学到什么：大数据与人工智能基础知识，名词概念，期末总结格式，包括神经网络模型、超参数、激活函数、学习率、卷积神经网络、python常用库基础语法概括等等。