对于指纹的特征提取包含几个步骤，脊线增强、脊线分割、脊线细化、细节点检测和细节点验证，本次大作业需要针对已经增强的指纹图片进行后续几个步骤，通过多种形态学算法进行分割、细化、细化后处理，找到其中的端点和分叉点，而指纹周边的伪细节点需要被去除。

软件主要实现的功能是在最少的人为干预下创作一首短曲，并将其播放。目前市面上的音乐生成器，大多是基于Simple RNN和谷歌开发的WaveNet实现的，然而由于模型的局限性，使用这两种模型生成出的音乐同质化严重，听感欠佳。为了改进上述不足，提高生成音乐的质量，本组准备在软件的核心部分采用LSTM（长短期记忆网络，Long Short-Term Memory）模型。

本次实验提供六个类别的垃圾识别分类数据集，分别是glass、cardboard、metal、paper、plastic、trash。本次实验是基于卷积神经网络模型来完成六个类别垃圾分类。 目前垃圾分类已经在许多城市开展起来。这看似微不足道的“小事”，实则关系到13亿多人生活环境的改善，理应通过人工智能技术来大力提倡社会风气养成。本次实验提供六个类别的垃圾识别分类数据集，分别是glass、cardboard、metal、paper、plastic、trash。本次实验是基于卷积神经网络模型来完成六个类别垃圾分类。 2.任务要求 每位同学单独完成；建立神经网络模型，并尽可能将其参数调优到最佳状态；绘制深度学习模型图、绘制并分析学习曲线等；分析模型并试着调试不同学习率等超参数对模型的结果影响 ；使用Python语言。 3.实验方法 卷积神经网络 （Convolutional Neural Network, CNN）是一种结构类似于人类或动物的 视觉系统 的人工神经网络，包含一个或多个卷积层（Convolutional Layer）、池化层（Pooling Layer）和全连接层（Full

该系统实现了基于深度框架的语音识别中的声学模型和语言模型建模，其中声学模型包括CNN-CTC、GRU-CTC、CNN-RNN-CTC，语言模型包含transformer、CBHG，数据集包含stc、primewords、Aishell、thchs30四个数据集。 本项目现已训练一个迷你的语音识别系统，将项目下载到本地上，下载 thchs 数据集并解压至 data，运行 test.py，不出意外能够进行识别，结果如下： the 0 th example. 文本结果： lv4 shi4 yang2 chun1 yan1 jing3 da4 kuai4 wen2 zhang1 de di3 se4 si4 yue4 de lin2 luan2 geng4 shi4 lv4 de2 xian1 huo2 xiu4 mei4 shi1 yi4 ang4 ran2 原文结果： lv4 shi4 yang2 chun1 yan1 jing3 da4 kuai4 wen2 zhang1 de di3 se4 si4 yue4 de lin2 luan2 geng4 shi4 lv4 de2 xi

利用MATLAB GUI设计平台，用窗函数法设计FIR数字滤波器，对所给出的含有噪声的声音信号进行数字滤波处理，得到降噪的声音信号，进行时域频域分析，同时分析不同窗函数的效果。 实现的功能有： 打开文件：选择路径打开wav格式的音频文件，自动生成音频的原始波形与频谱。 加入噪声：有两种噪声可以选择加入，一种是白噪声，其频率蔓延整个频谱；一种是特定频率的噪声，可通过输入频率加入单一频率的噪声。加入噪声后自动绘制加入噪声后的波形与频谱。 滤波处理：首先输入滤波器通/阻带的开始频率与截止频率（若为低/高通类型滤波，则只需输入开始频率；若为带通/阻类型，则开始与截止都要输入；输入频率值为真实频率值，可根据频谱图进行判断 ），之后选取窗函数和滤波类型，将会生成滤波处理后的波形与频谱。 音频播放/停止：可随时播放/停止原始、加噪、滤波处理后的音频。 图片导出：将波形、频谱图片一张张导出保存，可选的格式有jpg、png、bmp、eps。 保存文件：将加躁/滤波后的音频导出保存。

本资源为深度学习课程设计 含课程设计完整过程的数据集以及实验报告 可供参考 由matlab代码编写构建双层CNN卷积神经网络识别Minist的手写体数据，其中将不断改进的代码跟另外使用工具函数编写的另一个CNN程序结果比较，有一个较为直观的运行效果对比。能够很好的看出程序设计的优劣。使用的是双层卷积神经网络，后向传播用的是随机梯度下降及其优化版本。 适用于CNN初学者以及希望更进一步的学习者。 dataset是MNIST。这里层的概念是指convolution+pooling 函数说明： read_label和read_image分别为读取标签和图像数据点的函数 convolve是实现卷积的函数，pool是实现池化的函数 SGD_MSGD是主函数，把minibatch设为1就是SGD，大于1就是MSGD OPTIMAL是优化版的主函数，OPTIMAL_FINALE是最终优化版的主函数，toolbox是用工具箱函数写的CNN，用于对比之前函数的运行效果。 SGD_MSGD，OPTIMAL，OPTIMAL_FINALE，toolbox都可以直接运行得到答案

本课题下的功能要求有： 实现学生信息、班级、院系、专业等的管理 实现课程、学生成绩信息管理 实现学生的奖惩信息管理 创建规则用于限制性别项只能输入“男”或“女” 创建视图查询各个学生的学号、姓名、班级、专业、院系 创建存储过程查询指定学生的成绩单 创建触发器当增加、删除学生和修改学生班级信息时自动修改相应班级、学生人数 建立数据库相关表之间的参照完整性约束 其中我主要负责设计存储过程，创建用于修改学生班级信息时自动修改相应班级的学生人数的触发器，选课管理模块（选课、退课及查课），成绩管理模块（增、删、改、查成绩），奖惩管理模块（增、删、改、查奖惩信息）。 其余模块有 ×× 负责设计表结构，设计主页面，院系管理模块（增、删、查院系信息），专业管理模块（增、删、查专业信息），班级管理模块（增、删班级信息，班级人数查询）；××× 负责设计视图，检查数据库各表参照完整性，数据库 JDBC 连接，学生管理模块（增、删、改、查学生信息），课程管理模块（增、删、改、查课程信息）。

目录 摘 要 1 一、设计任务概述 3 1.1 设计目的 3 1.2 项目任务和要求 3 1.3 参考资料 3 二、项目开发环境 4 三、项目需求分析 5 四、 项目设计和实现 5 4.1 总体设计 5 4.2 功能设计 6 4.3 系统实现 7 五、系统运行和测试 12 六、设计总结 15 七、附录 16 7.1 程序清单 16 7.2 其他需要说明的内容 23

人工智能实验八数码问题和罗马尼亚问题（含代码和完整实验报告） 本实验课程是计算机、智能、物联网等专业学生的一门专业课程，通过实验，帮助学生更好地掌握人工智能相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力；使学生对智能程序、智能算法等有比较深入的认识。 1.掌握人工智能中涉及的相关概念、算法。 2.熟悉人工智能中的知识表示方法； 3.熟悉盲目搜索和启发式搜索算法的应用； 4.掌握问题表示、求解及编程实现。 掌握不同搜索策略的设计思想、步骤、性能。 1.在图1，3*3的方格棋盘上，摆放着1到8这八个数码，有1个方格是空。 图1 2.如图1所示，要求对空格执行空格左移、空格右移、空格上移和空格下移这四个操作使得棋盘从初始状态（图1左）到目标状态（图1右）。 可自行设计初始3.状态。目标状态为数字从小到大按顺时针排列。 4.分别用广度优先搜索策略、深度优先搜索策略和启发式搜索算法（A*算法）求解八数码问题；分析估价函数对启发式搜索算法的影响；探究各个搜索算法的特点。 自行设计一个新的启发式函数,并分析该函数的可采纳性和优势(与启发式函数定义为“Zerind到Bu

里面共有6个实验，包括高频小信号调谐放大器实验、非线性丙类功率放大器实验、LC与晶体振荡器实验、幅度调制与解调实验、模拟乘法混频实验、调频发射机与接收机实验，每一个实验都写明了一、实验目的、实验原理、实验仪器、实验步骤、实验结果与分析，非常实用的一份实验参考报告，很有帮助，非常有参考价值。