專案結題報告：
python基礎和相關庫的學習：
一：python基礎與科學計算庫numpy
1.python語言基礎
2.python資料結構（列表,字典,元組）
3.科學計算庫numpy基礎
4.numpy陣列操作
5.numpy矩陣基本操作
6.numpy矩陣初始化與建立
7.numpy排序與索引
二：資料分析處理pandas庫
1.pandas資料讀取與現實
2.pandas樣本數值計算與排序
3.pandas資料預處理與透視表
4.pandas自定義函式
5.pandas核心資料結構series詳解
6.pandas資料索引
7.matplotlib繪製第乙個折線圖
8.matplotlib條形圖,直方圖,四分圖繪製
9.matplotlib資料視覺化分析
數字影象處理：
數字影象基礎
灰度變換和空間濾波
灰度影象處理
彩色影象處理
影象壓縮
影象分割
影象分類（識別）
影象描述
機器學習：
一：回歸演算法
1.機器學習概要
2.有監督與無監督問題
3.線性回歸演算法原理
4.實現簡易回歸演算法
5.邏輯回歸演算法原題
6.梯度下降演算法
二：貝葉斯演算法
1.前向傳播與反向傳播結構
2.啟用函式
3.神經網路結構
4.深入神經網路細節
5.神經網路表現效果
三：機器學習框架
1.把資料拆分為訓練集和測試集
2.用訓練集和訓練集的特徵向量來訓練演算法
3.用學習來的演算法運用在測試集上來評估演算法（涉及到調整引數（parameter tuning）用驗證集(validation set））
4.什麼是卷積神經網路
5.什麼是批量過濾器和池化
深度學習：
一：深度學習必備基礎知識點
1．深度學習與人工智慧簡介
2．挑戰與傳統影象識別方法
3．前向傳播之得分函式
4．前向傳播之損失函式
5．梯度下降原理形象解讀
6．反向傳播過程
二：神經網路模型
1．神經網路整體架構
2．demo演示神經網路分類模型
3．啟用函式
4．過擬合問題解決方案
5．引數初始化方法
三：卷積神經網路
1．卷積神經網路模型效果
2．卷積層詳解
3．卷積計算流程
4．卷積核涉及的引數
5．引數共享原則
6．卷積神經網路的反向傳播
基於tensorflow的深層神經網路：
1.線性模型的侷限性
2.啟用函式去線性化
3.多層神經網路解決異或運算問題
4.分類、回歸的損失函式定義
5.深層神經網路的優化演算法
6.學習率的設定
7.過擬合問題
8.滑動平均模型
tensorlfow框架的學習：
1.tensorflow環境搭建
2.tensorflow在win10系統下的搭建
3.tensorflow在linux系統下的搭建
4.tensorflow計算模型——計算圖（graph）
（1）計算圖的概念
（2）計算圖的使用
5.tensorflow資料模型——張量（tensor）
（1）tensor的概念
（2）tensor的使用
6.tensorflow執行模型——會話（session）
7.tensorflow——variable、placeholder
8.tensorflow資料輸入格式——四維張量
tensorflo實戰：
1.mnist資料集
2.cifer-10
1179結題報告
我對已經非常失望了。也不能和文字分開了。不知道是出了什麼毛病。挺討厭亂七八糟！這個題是典型的dp，由低往上遞推。公式很簡單。需要注意乙個地方就是負負得正。不僅需要儲存一段區間的最大值，也需要儲存最小值。關於這一點我也是看了discuss後才明白的。至於為什麼要這樣，想想也能想明白。就不多說了。共參考...
POJ 1008 結題報告
模擬題，難度不大，主要是吃透題目意思 主要做好表示月份的單詞與相應序號的轉換，我用的是陣列 索引函式 haab日曆，一年365天，19個月，每個月20天，通過輸入可求得總天數sum t日曆，一年260 20 13天，對sum 260的結果分別對20，13取模定位到哪月哪天 廢話不多說，上 inclu...
poj3278 結題報告
這個題是乙個容易理解題意的簡單bfs題目.作為菜鳥的我竟然能自己想到解決方案.不容易.個人思路如下，農夫在每個點都有三種走法，我們先把初始位置標記為走過，三種方法位置沒走過就入隊，開始三個點都能入隊，再對三個點每次出隊乙個，分析這個點的三個位置能否走，能走得入隊，依此類推.這裡我用的訪問陣列是乘以個...