论文研究基于卷积神经网络的手写数字识别算法研究 .pdf

卷积神经网络用于手写数字识别，C++代码实现，使用cpu多线程

神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。

利用caffe实现声音识别

Python+CNN+Tensorflow识别手势,目前做到了0-7的手势。文件为源代码和训练集。主要是调用OpenCV,预处理的主要步骤为:去噪 -> 肤色检测 -> 二值化 ->

卷积神经网络CNN研究的相关文章指导，为学者提供一些思路，CNN当前较火热，不断被用于更多的领域，包含图像处理，图像分类，目标检测等等。

作为一个十余年来快速发展的崭新领域，深度学习受到了越来越多研究者的关注，它在特征提取和建模上都有着相较于浅层模型显然的优势．深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而这些表示具有良好的泛

1.环境配置：ubantu(16.04)python(3.5)tensorflow(0.12.0)exportTF_BINARY_URL=https://storage.googleapis.com/

基于离散型Hopfield神经网络识别手写数字matlab实现

提出了一种新的演化神经网络算法GTEANN，该算法基于高效的郭涛算法，同时完成在网络结构空间和权值空间的搜索，以实现前馈神经网络的自动化设计。本方法采用的编码方案直观有效，基于该编码表示，神经网络的学

用卷积神经网络来完成MNIST手写数字算法的详细说明，及对conv2d及max_pool的详细说明