人工智能课程设计报告 班级 191134 学号 20131000479 学生姓名 陈聪儿 指导老师 赵曼 日期 2015年 11月 目录 第 1 章1 罗马利亚度假问题1 1.1 题目内容1 1.2 需求分析1 1.3 设计1 1.3.1 设计思想1 1.3.2 设计表示10 1.4 调试分析10 1.4.1 调试结果与比较10 1.4.2 算法比较与总结11 1.4.3 调试中遇到的问题11

内容包含数据集、完整源码以及运行结果。 实验内容：利用GAN网络、mnist数据集生成数字图像。 实验过程：1.进行环境配置 2.首先进行数据准备，将MNIST数据集离线下载，添加至对应的路径，避免代码执行过程中重复下载。 2.对MNIST数据集进行可视化展示，便于之后对比。 3.导入程序需要的模块，如torch、numpy等。 4.对分析器进行参数设定与解析。 5.定义生成器和判别器，实现隐藏层、BN以及前向传播。 6.定义损失函数。 7.初始化生成器、判别器和使用GPU加速。 8.定义神经网络优化器，使用动量梯度下降法。 9.对生成网络和训练网络进行训练。 10.结果保存。 11.修改参数，进行结果对比并分析。

人工智能课程设计-智慧交通项目

在计算机视觉领域，人工智能越来越火爆。 资源包括两个文件： 1.人工智能与计算机视觉的pdf文件； 2.计算机视觉PPT 第一个文件是在校教学，拷贝老师教学的PPT，变成了PDF文件； 第二个是相关计算机课程的文件， 两个都是与计算机课程相关的资源，需要的可以自提。

人工智能课程设计报告

人工智能课程设计报告_罗马尼亚度假问题.doc

参考Yiming Yang在ICML 2006论文工作的基础上，收集一定数量的损失函数的正则项，解决方案

基于Tensorflow和Keras实现端到端的不定长中文字符检测和识别源码+检测数据集，已获高分通过项目。内附文档说明等等资料。 数据集： 共约364万张图片，按照99:1划分成训练集和验证集 数据利用中文语料库（新闻 + 文言文），通过字体、大小、灰度、模糊、透视、拉伸等变化随机生成 包含汉字、英文字母、数字和标点共5990个字符 人工智能综合实践课程设计工程项目。 本项目基于文本检测，文本识别算法以及Transformer模型和pyttsx3库实现文本识别到翻译再到输出的任务。 基于Tensorflow和Keras实现端到端的不定长中文字符检测和识别 基于Tensorflow和Keras实现端到端的不定长中文字符检测和识别，已获高分通过项目。内附文档说明等等资料。 人工智能综合实践课程设计工程项目。 本项目基于文本检测，文本识别算法以及Transformer模型和pyttsx3库实现文本识别到翻译再到输出的任务。 基于Tensorflow和Keras实现端到端的不定长中文字符检测和识别

关键词：不完全知识博弈 西游记纸牌游戏 拆牌算法 深度搜索 1.引言（国内外研究情况） 2.问题描述 3.相关人工智能技术 4.算法设计 5.软件设计和实现 6.性能测试 7.结论 参考文献 里面有关键部分的代码，源程序文件我找不到了，后面找到会上传

基于YoloV4的绝缘子目标检测程序源代码+数据集+训练模型，人工智能课程设计作业。文件结构 . │ predict.py # 对图片进行预测 │ train.py # 训练模型 │ voc_annotation.py # 对VOC数据集处理导出索引 │ yolo.py # 预测程序的子程序 │ ├─img # 存放预测后的图像 ├─logs # 存放训练的模型文件 ├─model_data # 存放预训练模型 │ new_classes.txt # 类别的名称 │ yolo_anchors.txt # 先验框的大小 │ ├─nets # 网络结构 │ CSPdarknet.py # CSPdarkNet53主干特征网络 │ yolo4.py # FPN、SPP等网络 │ yolo_training.py # 模型训练子程序 │ ├─utils # 数据加载、NMS等 │ dataloader.py # 数