离散Hopfield神经网络的联想记忆—数字识别

霍普菲尔德网络 程式简介 使用说明: 透过视觉化界面展示「离散型Hopfield Network」的使用方法 右方可以选择训练资料:「基本训练」,「花红训练」 所有资料皆以3张图为一组,且「Bonus

Number Recognition With Nero Net

卷积神经网络用于手写数字识别，C++代码实现，使用cpu多线程

数字0到9识别（神经网络）里面包括程序代码PPT文章等，可以直接使用

5000个手写数字组成的训练集，是由20*20灰度图按列展开得到的，用于训练神经网络进行数字识别

数字识别项目（BP神经网络）

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

这是我的大作业当中用到的全部参考资料。包括很多其他项目。以及最后自己修改后使用的项目

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。

NIST提供的是28 * 28的图片，因此输入层是754维的向量。隐层输出层为10维向量 公式定义： 输出层：01 ... 01 隐层：Y1 ... YN 输入层：X1 ... XM 输入层与隐层间的