前传算法

‘壹’ 仙剑5前传困难模式雪女怎么打

平均等级15，全员称号加攻速，（装备也不是最好的。。之前钱不够没舍得买，然后回不去山庄了。。）打之前把气蓄满方便合作技，起码准备30个行军丹（加中量精，给村民用），10个左右的全体加中量精的呢个药，名字忘记了。因为我只有
皇甫
一个会群疗，其他的都没练出来，以防万一。俩妹子安排在一起，能出合作技，绿衣女跟姜爹临近。BOSS开打第三回合召村民，第一回合，起手姜爹天罡加个攻，皇甫可以用40气的技能狂攻，能打2800左右。绿衣女最好加个
魔法防御
，不能确定是不是对冻结有抵抗加成，有待考证，瑕就负责第一轮的连协了，连协一般能连个4，5次。
BOSS冻结非常烦人，一个不小心被冻住一个四个村民血补不满就得重打。运气好的话第三回合村民一出，我方无冻结，正好一人给一村民一个行军丹，同时保持自己血量不被秒。这时候注意，村民每回合困难模式掉270的血，掉三轮以后，第四轮，BOSS喊话，这时候如果村民血不满BOSS回给自己加魔防
物防
，称号也就挑战失败，如果农民血满，BOSS会废一回合，趁这时候血满就输出，血少就补。不用第一个掉血270回合就给农民补，因为行军丹每次加600，加上全员
血线
不稳和偶尔有冻结情况发生，看行动条，保证第三回合以后，在BOSS之前至少有4个行动位置可以用来给农民加满。然后农民进入小掉血模式，每轮27，不必理会，尽情输出，注意自己血线即可。经过3,4回合的小掉血，又回进入270的打掉血模式，这时候重复以上。连协，合作顺利的话，两轮过后就差不多了。有一点要注意，进入270模式的时候BOSS会放大招，保证全员满血。冻结这个问题也说不清。。还得靠运气跟具体情况的算法。。自己的一点心得，祝大家打的顺利，玩的愉快。

‘贰’ 谁知道复活 秦殇前传 金钱修改器

秦殇与秦殇前传都使用特殊算法，没有修改器……

‘叁’ 仙剑奇侠传5前传如何升级到最新版本

朋友，仙剑奇侠传5的版本更新一共有五次，从1.01升级到了1.06。
我大概就说一下总体的变化吧，在这些更新中，有一些对游戏中出现的bug的修复，这个一般是不太容易看出来的，比如小的错别字，还有一些特定情况下的系统运行故障，不是所有人都能碰到，有一个比较明显的就是在游戏后期去虹芝屿之前有一个老姜入队bug就被修复了。
此外还有商店界面字体颜色的改变，这个好像是最早的更新了，因为原来商店某处的字体与背景颜色对比性不好，后来改成了白色。
还有商人讨价还价的算法也做了改变。就是讨价还价的方法变得比以前更加合理和简单一些。
最重要的还算是最后的两次更新，因为为游戏添加了DLC梦华幻斗的内容，只要更新之后才可以激活梦华幻斗。
大概就是这些吧，其实主要是加了一个DLC，剩下的都是对游戏的完善，对剧情没有任何改变。希望lz满意我的答案~

‘肆’ 关于仙剑奇侠传五前传的普通攻击，法术，技能攻击是怎么计算的 我用修改器把各角色最强装备带上了，等

这个没有具体的算法，只能根据经验推算大概的情况。

决定普通攻击的属性就是人物五大属性中的”力“，力值的大小决定了属性中攻击力的大小。
决定法术攻击的属性是五大属性中的”术“，术值大小决定了属性中仙攻的大小。
至于技能攻击，主要取决于人物等级的大小。

此外可以改变普攻及仙攻的，就是武器贴符了，如五灵属性强化符（强风，强火等），会在相应属性攻击原有伤害上提高30%。

法术加成只能看到装备上的加成值，但是看不到总的法术加成值。法术加成当然是越高越好，不过加成所体现的效果相对于仙攻值和贴符加成还是较小的，法术的攻击力主要还是取决于仙攻的大小，贴符加成30%效果也很明显。

五前中每个主角的武器都有两种，一个是加仙攻为主，一个是加普攻为主，你装了最强的武器，若是主加普攻的话，没调等级的情况下就会使得攻击力相对现在的等级变得很高，普通攻击伤害也会非常高，所以出现普攻大于技能攻击的情况，这种状况到了后来等级逐渐升高就会渐渐平衡了。

随时等待追问，祝你玩的愉快~
满意请采纳~

‘伍’ 仙剑5前传，那些永久增加属性的物品对于人物属性成长的算法是什么

这么算是没错的

‘陆’ 秦殇前传：复活，每次从铁匠那里买完最好装备，想拿道具升级就提示我等级不够，有哪里能算出所需等级吗

是由你升级的所用的所有材料等级的平均值+装备等级与人物等级之差得出的（若差值大于3则不会再增长），如：人物等级15，12级虎蛟皮升10级鞋就是，（12×3）÷3+15-10因为最大3，所以+3=12+3=15级

‘柒’ 完美世界前传几个问题

额，问题很多，一个一个来说。
一：活动肯定会搞，具体什么时候，完美一般过三四个月左右会开一次。上次活动是6月初吧，所以下次估计要到九月底十一的时候了。你没事可以经常去官网论坛看看，一般每次要开活动，论坛里都会有人说的。
二：力量：加物理攻击和物理防御；
体质：加生命值，同时加物防法防；
敏捷：加准确度，躲闪度和暴击率；
灵力：加法术攻击，法术防御，真气上限。
具体加多少数值，这个每个职业是不一样的。
三：物理防御加%，这个是按你的装备值来算的，包括装备自身的属性和装备上打的物防石头。但是不包括体质点所加的防御，也不包括状态上的加成。
而物理防御加多少，就是增加直接的数值，这个没什么好说的。
物免%，一般来说物免要10%以上，效果才明显。比如一个人本来打你1000血一下，物免1%，就是减免10滴血。物免这个，低了看不出效果的。还不如直接加防御的来的明显。
四：11级宝石有：
赤眼：武器效果：物理攻击加75，防具效果：是物理防御增加125；
海蓝：武器效果：法术攻击加75，防具效果：是法术防御增加100；
苍茫：武器效果：生命值+115；防具效果：生命值+115。
金刚：武器效果：攻击等级+1；防具效果：攻击等级+1。
磐甲：武器效果：防御等级+1；防具效果：防御等级+1。
轩辕：武器效果，暴击+1%；防具效果，体制+10
女娲：武器效果，吟唱-3%；防具效果，体制+10
武侠穿重装，物理防御是不错的，精炼起来血量也好。缺的是法防，但同样可以靠法防项链和法防腰佩的高精练来弥补。可以考虑打体石头，加血的同时还加双防。如果全身精炼在8以上的话，全身打壁垒也是个不错的选择。完美的加血，主要靠的还是精炼。
至于你说防御等级加二，这个和多少血是没有关系的。防御等级和攻击等级，论坛里说要30以上效果才明显，不过个人觉得10点以上就已经有效果了。全身精炼高，再全打壁垒，那真是像一个小BOSS了打不动。比如两个同样100级的人PK，一个防御等级加30，另一个不加，那就相当于130级的人和100级的人在打。大概就是这个意思。
五：武侠怎么加点。武侠本身的攻击是不高的，甚至可以说很低。靠的是控制技能，在群战和城战里武侠的作用是不能小看的，狮子吼，龙飞击，全靠武侠控场。一般来说，灵力不加。3力1敏1体或者不加体，把点加到力量上或敏捷上。
六：装备上，武器最好的肯定是16品了，然后15品，8军。不过说实在的，武侠实在是性价比不高。大概给你说下吧，16品和8军就算了，武侠弄了真是浪费钱啊！当然如果你实在钱多，弄16品也可以。
说下比较实用的，武器，用15品轮回的，最好轮个有狂战神属性的双斧。然后拳套准备一个，飞龙拳或十步。防具，99狮心王轮回成狮心皇或95神月的轮回套。头盔，用比武头或者14品头，用轮回的头也可以。（比武头是不能轮回的）鞋子用14品鞋或轮回的鞋子。
项链，14品魔方法防项链，有条件的弄15品，16品随意。
腰佩，14品战歌法防腰佩。同样有条件的15品16品随意。
7级天书子夜歌
披风，神月披风，轮回的披风也可以。或者天马。
然后5.0的装备还需要狮心王两件，阿修罗两件。
七：邮箱里的衣服是仙乐飘飘套，还有魔音袅袅套，只能用仙魔印记或仙魔碎片换。仙魔印记和仙魔碎片都是仙魔劫活动给的奖励，印记可以交易，碎片不能交易。每周一晚上9点这个活动还有的。你可以自己收点印记，我们区15万左右一个，元宝比例1比80。仙魔碎片还有一个途径可以得到，就是做虎符任务，只限100级以下的人做。
八：声望嘛，最简单的办法，1买喜糖，当然很贵；2买上签换声望牌子，性价比还不错；3用战歌徽记换声望牌子，同2；4帮小号过副本令；5刷成就。89仙成就一次开门要60W完美币，队长每次有165点声望拿。6刷战歌，会爆不少战歌徽记，运气好还有战歌勋章，可以拿去换声望。

‘捌’ 深入浅出BP神经网络算法的原理

深入浅出BP神经网络算法的原理
相信每位刚接触神经网络的时候都会先碰到BP算法的问题，如何形象快速地理解BP神经网络就是我们学习的高级乐趣了（画外音：乐趣？你在跟我谈乐趣？）
本篇博文就是要简单粗暴地帮助各位童鞋快速入门采取BP算法的神经网络。
BP神经网络是怎样的一种定义？看这句话：一种按“误差逆传播算法训练”的多层前馈网络。
BP的思想就是：利用输出后的误差来估计输出层前一层的误差，再用这层误差来估计更前一层误差，如此获取所有各层误差估计。这里的误差估计可以理解为某种偏导数，我们就是根据这种偏导数来调整各层的连接权值，再用调整后的连接权值重新计算输出误差。直到输出的误差达到符合的要求或者迭代次数溢出设定值。
说来说去，“误差”这个词说的很多嘛，说明这个算法是不是跟误差有很大的关系？
没错，BP的传播对象就是“误差”，传播目的就是得到所有层的估计误差。
它的学习规则是：使用最速下降法，通过反向传播（就是一层一层往前传）不断调整网络的权值和阈值，最后使全局误差系数最小。
它的学习本质就是：对各连接权值的动态调整。

拓扑结构如上图：输入层（input），隐藏层（hide layer），输出层（output）
BP网络的优势就是能学习和储存大量的输入输出的关系，而不用事先指出这种数学关系。那么它是如何学习的？
BP利用处处可导的激活函数来描述该层输入与该层输出的关系，常用S型函数δ来当作激活函数。

我们现在开始有监督的BP神经网络学习算法：
1、正向传播得到输出层误差e
=>输入层输入样本=>各隐藏层=>输出层
2、判断是否反向传播
=>若输出层误差与期望不符=>反向传播
3、误差反向传播
=>误差在各层显示=>修正各层单元的权值，直到误差减少到可接受程度。
算法阐述起来比较简单，接下来通过数学公式来认识BP的真实面目。
假设我们的网络结构是一个含有N个神经元的输入层，含有P个神经元的隐层，含有Q个神经元的输出层。

这些变量分别如下：

认识好以上变量后，开始计算：
一、用（-1，1）内的随机数初始化误差函数，并设定精度ε，最多迭代次数M
二、随机选取第k个输入样本及对应的期望输出

重复以下步骤至误差达到要求：
三、计算隐含层各神经元的输入和输出

四、计算误差函数e对输出层各神经元的偏导数，根据输出层期望输出和实际输出以及输出层输入等参数计算。

五、计算误差函数对隐藏层各神经元的偏导数，根据后一层（这里即输出层）的灵敏度（稍后介绍灵敏度）δo(k)，后一层连接权值w，以及该层的输入值等参数计算
六、利用第四步中的偏导数来修正输出层连接权值

七、利用第五步中的偏导数来修正隐藏层连接权值

八、计算全局误差（m个样本，q个类别）

比较具体的计算方法介绍好了，接下来用比较简洁的数学公式来大致地概括这个过程，相信看完上述的详细步骤都会有些了解和领悟。
假设我们的神经网络是这样的，此时有两个隐藏层。
我们先来理解灵敏度是什么？
看下面一个公式：

这个公式是误差对b的一个偏导数，这个b是怎么？它是一个基，灵敏度δ就是误差对基的变化率，也就是导数。
因为?u/?b=1，所以?E/?b=?E/?u=δ，也就是说bias基的灵敏度?E/?b=δ等于误差E对一个节点全部输入u的导数?E/?u。
也可以认为这里的灵敏度等于误差E对该层输入的导数，注意了，这里的输入是上图U级别的输入，即已经完成层与层权值计算后的输入。
每一个隐藏层第l层的灵敏度为：

这里的“?”表示每个元素相乘，不懂的可与上面详细公式对比理解
而输出层的灵敏度计算方法不同，为：

而最后的修正权值为灵敏度乘以该层的输入值，注意了，这里的输入可是未曾乘以权值的输入，即上图的Xi级别。

对于每一个权值(W)ij都有一个特定的学习率ηIj，由算法学习完成。