本课题为基于MATLAB的BP神经网络手写数字识别系统。带有GUI人机交互式界面。读入测试图片,通过截取某个数字,进行预处理,经过bp网络训练,得出识别的结果。可经过二次改造成识别中文汉字,英文字符等
该项目在开发过程中没有用到F6层,主要包括2个卷积层、2个池化层、1个全连接层,外加输入及输出,共7层网络。实际训练时采用最大值池化、双曲正切激活函数,经过8轮迭代训练,手写数字识别准确率即达到99%
该案例主要是实现手写数字识别,也就是给出手写数字的图片,识别出所写数字是多少。该文件中包含了数据以及处理数据的代码,适合初学者学习。代码中包含读入数据,数据格式化,分为训练集和测试集,预测结果等代码。
神经网络大作业,使用PCA和改进的神经网络对UCI机器学习数据库的手写数字进行识别,训练样本3823,测试样本1797
NIST提供的是28 * 28的图片,因此输入层是754维的向量。隐层输出层为10维向量 公式定义: 输出层:01 ... 01 隐层:Y1 ... YN 输入层:X1 ... XM 输入层与隐层间的
深度学习、机器学习领域的优质资源集合,涵盖神经网络算法实现、案例演示。
使用74行python代码实现简单的手写数字识别神经网络。输出值为10000个测试样本中识别正确的图像数量。
于BP神经网络的手写数字识别系统研究代码
卷积神经网络实现minist手写体识别
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
