Adaline网络的数字识别

基于神经网络的印刷体字母数字识别

Hopfield神经网络的改进及其应用——基于Hopfield神经网络的脱机手写数字识别

基于Matlab的神经网络数字识别系统实现

基于Sugeno模糊积分神经网络分类器融合方法在手写数字识别中的应用

针对多数机构面临的大规模报表数据录人问题,提出了一种基于BP神经网络的手写数字识别系统。对输人图像进行图像预处理、 图像分割和特征提取,随后将提取的特征信息输人到已经训练好的BP神经网络进行分类识别。

本案例使用pyqt5作为界面编程工具，借助tensorflow中的深度神经网络算法实现了对0-9数字的识别。经过数据训练，该应用程序能够准确识别输入的数字图像。

一种基于Matlab语言的BP神经网络手写数字汉字字符识别的实例。通过对数据集的训练和测试，该模型实现了准确的字符识别。详细介绍了识别的原理和流程，以及该实例在实际应用中的可行性。加深了读者对神经网络

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种 需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度

通过opencv对图片上的数字进行识别。识别方式和步骤主要是寻找出数字的外轮廓，然后根据轮廓外接矩阵对数字进行分割，然后根据模板，求出其与分割好的数字的像素差值，找出最匹配的数字。

可用于识别部分工件图像上的数字，主要先进行图像平滑、用canny算子进行边缘检测、再通过数字模板匹配来识别。