主要使用算法： maxmin 极大极小值搜索 alphabeta 剪枝算法( 与阿尔法围棋 AlphaGo 一样的算法 )，可进行 AI 人机对决。 注：使用AI算法比较复杂，1500+的代码计算起来会很慢。使用turbowarp编译可以大幅度提升速度（大约快15倍左右）! 操作：【Q】查看日志，【R】开外挂( 作弊按键 )。 此后仍有作品或有趣游戏，请关注原作者，且点赞加收藏，记得推荐好友。下载即可游玩，快来下载吧！

代码参考自中国大学mooc上人工智能与信息社会陈斌老师的算法，我在原来的基础上增加了玩家输入的异常捕获 AlphaBeta剪枝算法是对Minimax方法的优化，能够极大提高搜索树的效率，如果对这个算法感兴趣的可以去参考相关资料。

针对传统骨架提取算法结果无法保证骨架单像素性,并且伴有毛刺产生的现象,提出了一种能够有效去除骨架中毛刺分枝,充分体现物体形态特征的骨架剪枝算法。该算法以模糊距离变换为理论基础,在物体粗骨架图像中计算每条尾枝的模糊距离变换值,使用根据骨架特点确定的动态阈值判断骨架分枝是否被去除,并利用分级剪枝方法实现骨架剪枝操作。实验结果表明,该算法在进行剪枝操作中可有效地保证骨架的准确性和连续性。

决策树学习及其剪枝算法研究论文。

Apriori算法的剪枝算法

本资源中的笔记均为读研期间个人所记。 其中包含数篇剪枝方向的论文笔记。 An Entropy-based Pruning Method for CNN Compression.docx Channel Pruning for Accelerating Very Deep Neural Networks.docx network_pruning_that_matters.docx Neuron-level Structured Pruning using Polarization.docx Pruning Filter in Filter.docx 等等。

GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性.

未进行修改的代码，成功运行需要参考同名文章。

利用αβ剪枝 算法编写出五子棋游戏，可预测未来三步，含游戏界面

- 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