基于神经网络的模式识别

自动调制识别在认知无线电、智能解调器、电子侦察等各种民用及军事应用中扮演重要角色。自动调制识别属于分类问题,常见的方法有KNN、DT、SVM、CNN。为了提高自动调制识别的准确度,基于GNU Radi

传统的手势识别系统由特征提取和分类器组成,需要人工设计特征,但很难达到足够满意的效果且耗费大量的时间。将卷积神经网络应用于手势识别,能直接把图像数据输入网络,且不用进行复杂的前期预处理。卷积神经网络拥

word文档,介绍基于BP神经网络的字符识别.包括代码

伪装人脸识别在刑侦安防领域有着巨大的应用价值。针对现阶段对伪装人脸识别的研究较少、算法鲁棒性不强等缺点,提出了基于深度神经网络的伪装人脸识别算法。改进了SqueezeNet网络模型,并将其与FaceN

语音识别或语言转化成文本的过程包括捕获声波,数字化声波,转换成基本的语言单位或者音素,根据音位和语境构建词语,分析词语,保证拼写正确,并且保证与听到的词语保持一致。该文把人工智能和神经网络技术应用到语

C++编写的基于MFC框架的交通标志识别,用BP神经网络做特征训练,数字分割做数字识别。

非常好的图像识别及定位的参考资料,值得推荐

为了提高数字识别的准确性和可靠性,将BP神经网络应用于数字识别,并考察了网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响,选取了最佳的隐层节点数和权值初始化函数,实现了基于BP神经网络

基于神经网络的验证码识别

基于BP神经网络的手写数字识别，是基于Google推出的TensorFlow库并使用Python编写的手写数字识别系统，代码齐全！