本案例使用pyqt5作为界面编程工具,借助tensorflow中的深度神经网络算法实现了对0-9数字的识别。经过数据训练,该应用程序能够准确识别输入的数字图像。
暂无评论
数字0到9识别(神经网络)里面包括程序代码PPT文章等,可以直接使用
5000个手写数字组成的训练集,是由20*20灰度图按列展开得到的,用于训练神经网络进行数字识别
数字识别项目(BP神经网络)
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。
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。
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%
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
卷积神经网络实现手写数字识别训练模型及可视化,支持向量机实现手写数字识别 训练模型,贝叶斯分类器实现手写数字识别训练模型,mnist数据集提取成28*28的图片形式,包含代码及25页作业报告
利用caffe实现声音识别
基于神经网络的文字识别模型,李爽,,智能型系统的研究一直是21世纪的研究热门,对于文字、图像等的识别也一直是人们研究的热点。目前,已经有很多的方面都应用了识别�
暂无评论