本游戏为数据结构课程设计，
要求：
1.老鼠形象可辨认，可用键盘操纵老鼠上下左右移动；
2.迷宫的墙足够结实，老鼠不能穿墙而过；
3.正确检测结果，若老鼠在规定时间内走到粮仓处，提示成功，否则提示失败；
4.添加编辑迷宫功能，可修改当前迷宫，修改内容：墙变路、路变墙；
5.找出走出迷宫的所有路径，以及最短路径。
6.利用序列化功能实现迷宫地图文件的存盘和读出等功能。
2022-07-05 06:46:50
183KB
1
将堆栈自动编码器(SAE)与极限学习机(ELM)联合,建立了深度神经网络预测模型(SAE-ELM)。利用苹果高光谱图像提取出的光谱数据,对深度神经网络的权值和阈值进行了初始化和微调。与传统ELM模型预测结果相比,SAE-ELM的预测集决定系数和残留预测偏差分别从0.7345和1.968提升至0.7703和2.116,预测集方均根误差从1.6297降至1.2837。研究结果表明:深度学习网络SAE-ELM模型的预测性能优于传统的ELM模型,将其用于预测苹果硬度是可行的。
2022-03-30 09:37:35
4.19MB
1
这个存储库包含使用深度学习对高分辨率图像进行分解的工作的代码。目前最先进的方法，如BM3D，KSVD和非本地手段确实能够产生高质量的去噪效果。但是当图像的大小变得非常高时，例如。 4000 x 80000像素，那些高质量的结果以高计算时间为代价。这个耗时的因素可以作为一个动机来提出一个模型，可以在更短的时间内提供可比较的结果，如果不是更好的话。因此，我使用了一种深度学习方法，它会自动尝试学习将噪声图像映射到其去噪版本的功能。
2020-05-07 21:15:40
3.87MB
1