基于卷积神经网络的手写数字识别

手写识别系统 该存储库是手写识别系统的Tensorflow实现,在的手写识别中介绍了该方法。 如果您在研究论文中使用此代码,请引用该论文。 该代码是免费的,供学术和研究使用。 将该代码用于商业用途,请

基于卷积神经网络的食物图像识别，提供数据集下载，使用python、TensorFlow等等。

基于卷积神经网络的图像识别研究

基于CUDA技术的卷积神经网络识别算法

传统的神经网络表情识别系统由特征提取和神经网络分类器组成,利用人的经验来获取模式特征,很容易丢失表征表情特征的细节信息。提出一种基于卷积神经网络的识别方法,避免了对图像进行复杂的特征提取,直接把图像数

基于深度卷积神经网络的人脸识别

参照经典的卷积神经网络模型 Ｌｅｎｅｔ－５的结构，提出一种适用于该数据集的CNN结构

一种基于Matlab语言的BP神经网络手写数字汉字字符识别的实例。通过对数据集的训练和测试，该模型实现了准确的字符识别。详细介绍了识别的原理和流程，以及该实例在实际应用中的可行性。加深了读者对神经网络

基于Sugeno模糊积分神经网络分类器融合方法在手写数字识别中的应用

该程序使用Python实现BP神经网络mnist手写数字识别。压缩包中给出训练好的权重以及偏移量的mat文件，在程序运行后输入mnist文件夹中图片路径的后缀就可以进行预测，如：4/mnist_tes