实验三LR分析法一、实验目的(实验日期：2011.12.1)掌握用LR分析法对表达式文法进行自底向上语法分析的算法，加深对LR分析法的移进，归约等操作理解。
二、实验要求本次实验的SLR(1)文法为表达式拓广文法：（0）S’→E（1）E→E+T（2）E→T（3）T→T*F（4）T→F（5）F→(E)（6）F→i改进后的SLR(1)分析表如教材142页图7.8。
编写识别表达式拓广文法的合法句子的SLR(1)分析程序，对输入的任意符号串，给出分析过程及分析结果。
分析过程要求输出步骤、状态栈、符号栈、输入串和语法动作。
如果该符号串不是表达式文法的合法句子，要给出尽量详细的错误提示。

opencv+java特征点算法demo例子，识别率至少98%以上

通过编程识别特定的颜色区域，并进行圈定。

1基于遗传算法的TSP算法（王辉）2基于遗传算法和非线性规划的函数寻优算法（史峰）3基于遗传算法的BP神经网络优化算法（王辉）4设菲尔德大学的MATLAB遗传算法工具箱（王辉）5基于遗传算法的LQR控制优化算法（胡斐）6遗传算法工具箱详解及应用（胡斐）7多种群遗传算法的函数优化算法（王辉）8基于量子遗传算法的函数寻优算法（王辉）9多目标Pareto最优解搜索算法（胡斐）10基于多目标Pareto的二维背包搜索算法（史峰）11基于免疫算法的柔性车间调度算法（史峰）12基于免疫算法的运输中心规划算法（史峰）13基于粒子群算法的函数寻优算法（史峰）14基于粒子群算法的PID控制优化算法（史峰）15基于混合粒子群算法的TSP寻优算法（史峰）16基于动态粒子群算法的动态环境寻优算法（史峰）17粒子群算法工具箱（史峰）18基于鱼群算法的函数寻优算法（王辉）19基于模拟退火算法的TSP算法（王辉）20基于遗传模拟退火算法的聚类算法（王辉）21基于模拟退火算法的HEV能量管理策略参数优化（胡斐）22蚁群算法的优化计算——旅行商问题（TSP）优化（郁磊）23基于蚁群算法的二维路径规划算法（史峰）24基于蚁群算法的三维路径规划算法（史峰）25有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测（郁磊）26有导师学习神经网络的分类——鸢尾花种类识别（郁磊）27无导师学习神经网络的分类——矿井突水水源判别（郁磊）28支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断（郁磊）29支持向量机的回归拟合——混凝土抗压强度预测（郁磊）30极限学习机的回归拟合及分类——对比实验研究（郁磊）

选择了阿里云视觉智能开放平台（https://vision.aliyun.com/）、百度AI开放平台（https://ai.baidu.com/）、旷视科技（https://www.faceplusplus.com.cn/）、京东人工智能开放平台（http://neuhub.jd.com/）、腾讯云（https://cloud.tencent.com/）、讯飞开放平台（https://www.xfyun.cn/）、华为云(https://developer.huaweicloud.com/)等主流的国内AI平台

车牌识别素材600张（蓝、绿、黄）绿牌包含两种类型。
资源来自很多场景如：生活拍照、高速抓拍、室内、室外、光线不足、光照过度、倾斜等等很多场景。

tess4j的demo开发，识别图片技术

课程实践成果，单机版自动识别节奏点音游，差强人意。
通过MediaStore.Audio.Media.EXTERNAL_CONTENT_URI读取本地曲库，音频采样、FFT快速傅里叶变换自动识别节奏点，ObjectAnimatior设置滑块滑动，Toast实现点击的missgoodbest提示效果，可兼容不同分辨率。

几百张车牌比较正的图片，适合做车牌识别的训练及测试。

机器学习及其分支深度学习主要任务是模拟或者实现人类学习行为，这些学习方法近年来在目标分类、语音识别等各项任务中取得巨大突破。
机器学的各种优化器极大了改善了学习模型的训练速度和泛化误差。
优化方法和超参数作为观察训练模型的窗口，能够探索学习模型的结构和训练机制，是机器学习研究的重点之一。
对机器学习的优化器与超参数理论研究进行了综述，回顾了超参数的一般搜索方法，对和优化器直接关联的批量大小、学习率超参数的设置方法进行了总结，对优化器和超参数需要进一步研究的问题进行了讨论。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。