人工智能期末大作业大合集+人工智能结课作业大合集zip
人工智能期末大作业大合集+课程设计+结课作业大合集。根据作业要求，每个算法都有相应的算法介绍、实验代码、实验结果、实验总结。全部使用Python实现。人工智能作业大合集总共分为三大部分，每部分由几个相关算法组成，如下：1、搜索算法深度优先广度优先A星八数码Tips:三种算法都用于解决八数码问题。在Astar算法中比较了三者的性能，显然Astar要比另外两个强2、智能优化算法遗传算法粒子群寻优算法蚁群算法Tips:三种算法都用于解决TSP问题，其中粒子群寻优算法不适合解决TSP问题，但经过改造后仍然可以用于解决TSP。数据集是att48，其最优解是10628/33523，这两个数分别是伪欧氏距离和欧氏距离3、深度学习BP神经网络卷积神经网络Tips:两种算法都用于解决手写体识别。由于使用的是TensorFlow，已经很好的实现了深度学习的功能。所以主要是学习了深度学习的原理，并能够使用TensorFlow。人工智能大作业
人工智能基础大作业一、说明人工智能基础课程大作业，共分为四个小问题。
棋盘识别：从对局棋盘图片识别棋局落子情况，识别结果为15*15的棋盘矩阵
博弈算法：五子棋对弈AI，用α-β搜索实现
进化学习：用神经网络作为2中的评估函数，以进化学习的方法训练
监督学习：对3中的神经网络，以强化学习的DQN算法进行训练
二、运行环境anacondaversion1.7.2
仓库中使用的数据集路径为绝对路径，运行前需进行配置更改。使用jupyternotebook直接运行对应代码即可。
问题2需要自行导入VisualStudio，或自行编写makefile
三、亮点问题一中，模型对棋局识别的准确率极高。本任务使用的在训练、测试集共有1万余张棋局图片，在其上的识别准确率均达到了1。同时在训练调整过程中，输出层softmax得到结果数值出现了不符合预期的情况，这个异常现象的原因还需要继续深究。