使用BP神经网络算法实现手写数字和汉字字符的自动识别方法。通过对手写数字和汉字字符的特征提取和训练,可以实现精准的字符识别。同时,针对不同的识别需求,可以对模型进行优化和调整,提升识别精度和效率。
暂无评论
matlab代码,里面含有一个BP网络完整代码,以及mnist.mat数据集
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
激活函数: tf.nn.relu(features, name=None) features:卷积后加上偏置的结果 return:结果 卷积层: tf.nn.conv2d(input, filter,
利用BP神经网络识别易拉罐底字符识别
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
使用tensorflow实现的单隐层bp神经网络识别mnist数据库
利用BP神经网络识别易拉罐底字符识别,运行前注意阅读算法说明和代码中相对路径的设置。
卷积神经网络实现mnsit手写数字识别,附带数据集,基于tensorflow
vc++实现的神经网络手写识别 运行良好 识别率较高
用卷积神经网络识别手写数字图像,使用部分MINST数据集,MATLAB编程,包含一个卷积层,一个池化层,一个全连接层,一个隐藏层。
暂无评论