使用深度学习（卷积神经网络）的手写数字识别这个3层卷积网络的Matlab实现在MNIST公共数据集上进行了测试，其中包括60,000个训练样本和10,000个测试样本。它通过30次训练迭代达到>
基于MATLAB（2016）的手写数字识别系统，对手写数字进行特征提取等预处理，使用BP神经网络对特征进行训练，得到模型后分别对手写数字图片和视频进行识别，附有详细的手打注释
机器学习,运用神经网络对手写字体进行识别
利用神经网络进行手写字体的识别，c++的多层网络，利用bp算法进行优化
在对卷积层及池化层进行权重初始化时, 激活函数为 sigmoid 时: def weight_variable(shape): inital = tf.truncated_normal(shape)
用神经网络实现的数字识别，包括手写输入部分，非常实用
在网页端手写数字,然后提交服务器端识别,服务器端使用python,分别有paddle和TensorFlow两个模型识别
写在前面 其实我之前写过一个简单的识别手写数字的程序,但是因为逻辑比较简单,而且要求比较严苛,是在50×50大小像素的白底图上手写黑色数字,并且给的训练材料也不够多,导致准确率只能五五开。所以这一次准
本科毕设论文,CNN实现的手写数字集,改自Matlab的深度学习工具箱,有较详细的中文注释!代码等见论文
非常全面，可以轻松解决您需要解决的问题，尽量下的全面一点
用户评论