A星算法解决修道士与野人问题1. 运行环境CPU：I5-10400内存：16GB系统：Win10 64位专业版，20H2IDE：Vistual Studio 2019专业版2. 问题描述假设有 n 个修道士和 n 个野人准备渡河，但只有一条能容纳 c 人的小船，为了防止野人侵犯修道士，要求无论在何处，修道士的个数不得少于野人的人数（除非修道士个数为0）。如果两种人都会划船，试设计一个算法，确定他们

Linux操作系统课程设计中国地质大学（武汉）计算机学院计算机科学与技术专业本科生《操作系统概论》课程设计（作记录）。1. 课程设计要求按时参加上机实习，不得旷课、迟到、早退。每个学生需在 Linux 下用 C 语言完成六道上机实习题。每个学生需独立完成上机实习，不得相互抄袭。如发现抄袭者和被抄袭者成绩均不及格。每个学生需在实习结束一周内将实习报告和源程序提交到班级 学习委员，再由学习委员打包发到

使用机器学习或者深度学习对羽毛进行等级识别判断1. 运行环境CPU：I5-10400内存：16GB系统：Win10 64位专业版，20H2IDE：Pycharm2020.1Python：3.7.9Pytorch：1.7.12. 实验目的理解机器学习如何应用到实际场景。掌握特征提取方法。3. 实验内容数据集介绍：在制作羽毛球时，羽毛会根据质量的高低而价格不同，因此存在根据羽毛的图片而对其分级的需求。

作业2：BP 算法实验报告1. 算法介绍BP 算法全称叫做误差反向传播（error Back Propagation， 或者叫作误差逆传播）算法。现实任务中使用神经网络时，大多是在是使用 BP 算法进行训练。BP 算法不仅可以用户多层前馈神经网络，还可以用于其它类型的神经网络，例如训练递归神经网络。但通常说“BP 网络”时，一般是指用 BP 算法训练的多层前馈神经网络。BP 神经网络是这样一种神经

使用机器学习或者深度学习对羽毛进行等级识别判断1. 运行环境CPU：I5-10400内存：16GB系统：Win10 64位专业版，20H2IDE：Pycharm2020.1Python：3.7.9Pytorch：1.7.12. 实验目的理解机器学习如何应用到实际场景。掌握特征提取方法。3. 实验内容数据集介绍：在制作羽毛球时，羽毛会根据质量的高低而价格不同，因此存在根据羽毛的图片而对其分级的需求。

作业3：LeNet 网络实现报告LeNet-5 网络模型作为卷积神经网络中的开创性工作，提出了三大思想：局部感知权值共享下采样因为图像特征分布在图像的像素上，利用卷积操作可以在多个位置提取相类似的特征，于是有了局部感知。另外由于当年并没有计算能力强悍的 GPU 来辅助训练神经网络，因此通过下采样层有效地加快训练和提取更高维特征，能够节省参数和计算，这与当年的技术相比是一个关键的优势。另外原论文中提

使用机器学习或者深度学习对羽毛进行等级识别判断1. 运行环境CPU：I5-10400内存：16GB系统：Win10 64位专业版，20H2IDE：Pycharm2020.1Python：3.7.9Pytorch：1.7.12. 实验目的理解机器学习如何应用到实际场景。掌握特征提取方法。3. 实验内容数据集介绍：在制作羽毛球时，羽毛会根据质量的高低而价格不同，因此存在根据羽毛的图片而对其分级的需求。

作业2：BP 算法实验报告1. 算法介绍BP 算法全称叫做误差反向传播（error Back Propagation， 或者叫作误差逆传播）算法。现实任务中使用神经网络时，大多是在是使用 BP 算法进行训练。BP 算法不仅可以用户多层前馈神经网络，还可以用于其它类型的神经网络，例如训练递归神经网络。但通常说“BP 网络”时，一般是指用 BP 算法训练的多层前馈神经网络。BP 神经网络是这样一种神经

作业5：SVM实现鸢尾花分类1. SVM 介绍支持向量机（support vector machines）是一种二分类模型，是定义在特征空间上的间隔最大的线性分类器。它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题（convex quadratic programming）来求解，可等价于正则化的合页损失函数最小化问题。SVM算法流程如图1所示：SVM

一、卸载旧版本的Docker旧版本的Docker被称作docker或者docker-engine，Docker CE（社区版）包现在被叫做docker-ce。如果之前安装过了，需要先卸载：sudo apt-get remove docker docker-engine docker.io二、使用存储库安装Docker1.设置存储库：(1).更新apt安装包索引：su