神经网络实现简单的手写数字识别

function Hopfield() tic clc; %定义个目标向量 数字5的点阵表示： t5=[-1 -1 -1 -1 -1 -1 1;-1 -1 -1 -1 -1 -1 1;-1 -1 1

matlab实现神经网络的数字识别，有训练和识别，和图形界面

function bpgdtrain global bpnet; clc; load templet pattern; c=0; p=[]; for i=1:10 for j=1:20 c=c+1;

使用tensorflow建立全连接神经网络实现手写数字识别windows下安装任意版本的python和tensorflow均可运行内含详细的代码环境修改说明包括mnist数据集

基于 Linux c++ mpich， 用 mpich实现了入门级别的机器学习-手写体数字识别

基于openmp的bp神经网络实现手写体数字识别算法的优化。

matlab手写卷积神经网络人脸识别

手写字符识别

C++实现全连接神经网络算法识别Mnist手写数字。本程序使用全连接神经网络进行手写数字识别的训练和预测。当然修改一下输入和输出节点数，调整网络层数，也可用于其他多分类或回归问题。代码结构参考了yol

基于网络上的BP神经网络进行改编，里面有对mnist数据库的读取和特征提取，为C++写成的源代码形式，对神经网络和手写体数字识别有一定启发作用。