搜索资源列表
用神经网络进行手写字母识别(java程序下载).zip
- 用神经网络进行手写字母识别(java程序下载)
手写数字识别之Fisher线性判别
- 手写数字识别之Fisher线性判别-handwritten figures identifiable Fisher Linear Discriminant
手写数字识别之模板匹配法
- 手写数字识别之模板匹配法-handwritten figures identifiable template matching method
手写识别系统
- 数字识别，识别手写体。 使用神经网络算法编写。 识别率一般，带训练功能-Number recognizing system,used to recogize the hand writing figures.It is writen by nero network and has low recognizing effects but we can exercise it.
联机手写数字识别1
- vc++6.0开发的联机手写数字识别系统-vc 6.0 development of on-line handwriting recognition system figures
识别手写数字的程序
- 这是一个识别手写数字的程序，可以通过修改模板，也可以识别数字、英文字符验证码
手写数字识别
- 这个手写数字识别系统是基于模板匹配法建立的。它是我买的图书的光盘上的。-the handwriting recognition system figures are based on template matching method to establish. It is the books I buy on a CD-ROM.
手写数字识别之模板匹配法的程序实现
- 手写数字识别之模板匹配法的程序实现，非常好的一个代码。-handwritten figures identifiable template matching method of the program, a very good code.
手写汉字识别
- 一个简单手写汉字识别软件，目前为测试版，识别算法简单， 对复杂字的识别率低。
MATLAB实现手写数字识别
- 基于MATLAB实现简单的手写数字（0-9）的识别程序。属于模式识别内容
简单手写体数字识别系统
- 可以识别手写数字
联机手写字符识别VC代码
- 手写数字识别的VC代码
手写数字识别之模板匹配法
- 手写数字识别之模板匹配法
MNIST
- 简单的手写数字识别，在深度神经网络中的简单尝试，对于初学者有个很好的理解(Simple handwritten numeral recognition, in the depth of neural network simple attempt, for beginners have a good understanding)
数字识别
- python的keras调用theano创建cnn识别minist手写数字(use keras of python to create cnn to recognize digit wrote by hand)
神经网络mnist
- 利用神经网络对手写识别系统进行分类，正确率高达92%。(Using neural network to classify handwritten recognition system, the correct rate is as high as 92%.)
BP神经网络手写数字识别
- 使用bp神经网络算法识别手写阿拉伯数字图像，三层的误差反馈神经网络，可输出准确率，数据集为60000条数据，每条数据是一张28*28的图片(The BP neural network algorithm is used to recognize handwritten Arabia digital images, and the error feedback neural network of three layers can output the accuracy rate. The data
VC++数字、英文字符、汉字及手写识别实例
- 简单的字符识别程序，能实现手写字符、英文、符号的识别，采用了位图以及预处理(character recognition)
手写识别实验
- 基于stm32f103系列芯片开发的人脸识别实现(Realization of Face Recognition Based on STM32F103 Series Chips)
字符识别孪生网络
- 运用孪生网络技术识别minst手写字符集并计算准确率(Identifying Minst Handwritten Character Set and Calculating Accuracy Using Twin Network Technology)