河南职业技术学院计算机作业,计算机系的进来看看

该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

int check_win(int player)

{

int s_x,s_y;

int x,y,num=0;

if(player == A)

{

for(x=0;x

{

for(y=0;y

{

if(board[x][y] > 0)

{

num++;

}

else

{

num=0;

}

if(num > 4)

{

return A;

}

}

}

for(y=0;y

{

for(x=0;x

{

if(board[x][y] > 0)

{

num++;

}

else

{

num=0;

}

if(num > 4)

{

return A;

}

}

}

for(x=0;x

{

for(y=0;y

{

if(board[x][y] > 0 && board[x+1][y+1] > 0

&& board[x+2][y+2] > 0 && board[x+3][y+3] > 0

&& board[x+4][y+4] > 0)

{

return A;

}

if( board[x][y] > 0 && board[x-1][y+1] > 0

&& board[x-2][y+2] > 0 && board[x-3][y+3] > 0

&& board[x-4][y+4] > 0)

{

return A;

}

}

}

}else if(player == B)

{

for(x=0;x

{

for(y=0;y

{

if(board[x][y] 

{

num++;

}

else

{

num=0;

}

if(num >4)

{

return B;

}

}

}

for(y=0;y

{

for(x=0;x

{

if(board[x][y] 

{

num++;

}

else

{

num=0;

}

if(num >4)

{

return B;

}

}

}

for(x=0;x

{

for(y=0;y

{

if(board[x][y] 

&& board[x+2][y+2] 

&& board[x+4][y+4] 

{

return B;

}

if( board[x][y] 

&& board[x-2][y+2] 

&& board[x-4][y+4] 

{

return B;

}

}

}

}

else

return 0;

}

/*aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa*/

void main()

{

int sure;

int A_x=0;

int A_y=0;

int B_x=0;

int B_y=0;

int A_select=0;

int B_select=0;

init_view();

do{

do

{

A_select=bioskey(0);

if(A_select == LEFT)

{

if(A_x > 0)

{

move_p(A_x-1,A_y,A_x,A_y);

--A_x;

}

}

else if(A_select == RIGHT)

{

if(A_x 

{

move_p(A_x+1,A_y,A_x,A_y);

A_x++;

}

}

else if(A_select == UP)

{

if(A_y > 0)

{

move_p(A_x,A_y-1,A_x,A_y);

A_y--;

}

}

else if(A_select == DOWN)

{

if(A_y 

{

move_p(A_x,A_y+1,A_x,A_y);

A_y++;

}

}

else if(A_select == ESC)

{

break;

}

else if(A_select == ENSURE)

{

setcolor(A);

sure=set_A(A_x,A_y);

if(check_win(A) == A)

{

setcolor(A);

outtextxy(280,220,"GREEN WIN");

getch();

cleardevice();

outtextxy(280,230,"RED GAME OVER");

getch();

closegraph();

return ;

}

}

else

{

;

}

}while(sure == 0 ||A_select != ENSURE);/*A to do*/

do

{

B_select=bioskey(0);

if(B_select == LEFT)

{

if(B_x > 0)

{

move_p(B_x-1,B_y,B_x,B_y);

--B_x;

}

}

else if(B_select == RIGHT)

{

if(B_x 

{

move_p(B_x+1,B_y,B_x,B_y);

++B_x;

}

}

else if(B_select == UP)

{

if(B_y > 0)

{

move_p(B_x,B_y-1,B_x,B_y);

--B_y;

}

}

else if(B_select == DOWN)

{

if(B_y <14)

{

move_p(B_x,B_y+1,B_x,B_y);

++B_y;

}

}

else if(B_select == ESC)

{

break;

}

else if(B_select == ENSURE)

{

setcolor(B);

sure=set_B(B_x,B_y);

if(check_win(B) == B)

{

setcolor(B);

outtextxy(470,100,"RED WIN");

getch();

cleardevice();

outtextxy(280,230,"GREEN GAME OVER");

getch();

closegraph();

return ;

}

}

else

{

;

}

}while(sure == 0 ||B_select != ENSURE );/*B to do true loop*/

}while(A_select != ESC || B_select != ESC);/* esc */

cleardevice();

setcolor(WHITE);

outtextxy(280,230,"GAME OVER");

getch();

closegraph();

return ;

}

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值