基于bayes和神经网络的手写体数字识别程序（matlab）

基于离散型Hopfield神经网络识别手写数字matlab实现

基于matlab和神经网络的手写字母识别matlab

本人的《十九个小项目》中18 深度学习案例——基于卷积神经网络的手写体识别,所需要训练和验证的数据集。非常适合初学者

1、共有10数据集，下载之后保存在磁盘中（最好放在你代码执行目录下，方便后期使用。）如新建一个文件夹D:*****\MNIST_data存放数据。train-images-idx3-ubyte.gz:

使用Python+TensorFlow，全连接的神经网络，基于MNIST数据集。数据集包含60000张训练图片，10000张测试图片。MNIST_model文件夹是已经训练30000次的模型，也可以自

mnist手写体数据集，已经亲自验证，可以直接应用到算法中。

UI设计包括界面设计、菜单栏布局、进度条、结果展示和图片展示区域划分几个主要任务。图像预处理包括图像的灰度化、二值化、反色处理、图形锐化、数字分割、归一化等主要任务。特征提取为使用不同的特征提取方法，

神经网络大作业，使用PCA和改进的神经网络对UCI机器学习数据库的手写数字进行识别，训练样本3823，测试样本1797

采用基础的BP神经网络，对数据集中的手写数字进行识别，可以很好的得到识别结果 通过学习可以很好的理解BP神经网络，为后面的学习打下基础，可以更好的学习其他网络。

深度学习、机器学习领域的优质资源集合，涵盖神经网络算法实现、案例演示。