卷积神经网络识别MNIST

基于深度卷积神经网络的人脸识别研究：传统人脸识别方法而言,卷积神经网络模型不需要人工进行大量而又复杂的特征提取算法设计,仅需要设计一个可行的网络模型,再将大量的人脸训练数据集加载到网络模型中,然后进行

卷积神经网络实现minist手写体识别

基于CUDA技术的卷积神经网络识别算法

基于MATLAB的卷积神经网络手写体识别论文，有完整的主程序代码

卷积神经网络图像识别python代码

利用卷积神经网络进行性别和年龄识别，收录于cvpr2015

这个代码是基于Matlab的CNN卷积神经网络开发的图像识别代码，里面有完整的代码程序和数据，大家可以下载下来研究。

本研究使用基于pytorch的卷积神经网络开发出一种识别奥特曼的模型，通过对奥特曼和其他分类进行训练和测试，得出了较为准确的结果。本文详细介绍了该模型的结构和实现过程，并对比了不同深度和参数下的表现。

基于信息量的传统声音事件识别方法前端功能,例如MFCC,带有后端HMM等测序方法往往在干扰声的存在。 由于噪声破坏在实际情况中可能是不可避免的,这一点很重要开发更强大的功能和分类器。 近期进展在这个领

卷积神经网络CNN手写数字识别，有详细的代码注释和讲解，以及流程介绍，有利于初学者理解，能完整运行，且准确率当10各epochs时为0.985