基于Matlab的神经网络数字识别系统实现

本基于BP神经网络和卷积神经网络对手写数字识别进行研究,使用10000张已标注的大小为28*28的手写数字图片进行训练和测试,从所有图片中随机选出9000张作为训练样本对网络进行训练,另外1000张作

要用MATLAB分析数据，里面有MATLAB命令。先分离，写入数据后再用MATLAB分析数据，填入w和b就可以切割图片了，最后就是识别图片了。可以识别0~9

用java写的神经网络数字识别程序,识别率高达百分之八十。

神经网络实现手写数字识别，带数字图片,用MATLAB实现

神经网络用于识别数字的代码，可以帮助用于文本识别代码的研究。

function Hopfield() tic clc; %定义个目标向量 数字5的点阵表示： t5=[-1 -1 -1 -1 -1 -1 1;-1 -1 -1 -1 -1 -1 1;-1 -1 1

function bpgdtrain global bpnet; clc; load templet pattern; c=0; p=[]; for i=1:10 for j=1:20 c=c+1;

matlab代码，神经网络识别手写数字，输入手写体前，添加个人的手写样本，有利于提高学习正确率

基于卷积神经网络的手写数字识别python代码实现卷积神经网络（ConvolutionalNeuralNetwork,CNN）中，卷积层的神经元只与前一层的部分神经元节点相连，即它的神经元间的连接是非

MNIST数据集自行baidu下载,解压后放到项目文件里 git详细代码仓库:https://github.com/justDoForever/deep_learning/digital_recogn