利用神经网络手写数字识别方法

实验目的及要求 目的:不使用框架, 用python实现神经网络, 学习算法最好的方法就是实现它, 掌握反向传播算法的推导及代码实现,掌握Xavier初始化、Adam算法、数据归一化、batch-nor

网络结构 项目下载地址 不使用框架实现全连接神经网络实现手写数字识别(layer封装好, 可以很好的扩展,修改) 第一个卷积层输入:2828、一通道、滤波器55个数为 6个、步长为1、不补零。 第一个

基于tensorflow和pycharm实现基于卷积神经网络的手写字体识别系统，并上传制作好的课程文件，以供大家直接使用，代码亲测可用

基于概率神经网络的手写体数字识别

CNN卷积神经网络实现手写数字识别，Matlab+minist数据集都有，在matlab上可直接运行，新手友好，亲测可用。

基于tensorflow的卷积神经网络数字手写体识别，包括手写体数据集、模型训练和测试代码、训练好的模型，可以直接识别自己制作预处理后的手写体数字。

基于概率神经网络的手写体数字识别,用MATLAB实现，代码详细

基于卷积神经网络的手写数字识别python代码实现卷积神经网络（ConvolutionalNeuralNetwork,CNN）中，卷积层的神经元只与前一层的部分神经元节点相连，即它的神经元间的连接是非

应用BP神经网络进行手写体字母数字识别。中国知网下载的。

用简单的三层神经网络进行手写数字的图片内容的识别，全部代码是自行编写，用于神经网络的层次化学习