搜索资源列表
hopfield_net
- 对于含有噪声的的数字图像模式“1、2、3、4”，使用“hopfield”神经网络，进行联想、识别，以去除噪声的影响。-for containing noise of the digital image model "1,2,3,4", "hopfield" neural network, Lenovo, identification, in order to remove noise impact.
BP
- 基于VC++的BP神经网络，用于识别数字字符，亲测可用。-VC++ based on BP neural network for identifying numeric characters, pro-test available.
handwriting recognition GUI
- 本文主要实现手写数字识别，利用多类逻辑回归与神经网络两种方法实现,并编写有GUI界面。(This paper mainly implements handwritten numeral recognition, using multiple logic regression and neural network to achieve two methods, and the preparation of a GUI interface.)
neuralnetwork-sample
- 由java编写的，具有gui界面的，手写数字识别神经网络示例(Written by Java, with GUI interface, handwritten numeral recognition neural network examples)
train-labels-idx1-ubyte
- 用于手写数字识别的训练数据（标签） 数据格式：前32位为2049，再32位为数据数量，之后每一位都是标签值(Training data (tags) for handwritten digit recognition)
t10k-labels-idx1-ubyte
- 用于手写数字识别的预测数据（标签） 数据格式：前32位为2049，再32位为数据数量，之后每一位都是标签值(Predictive data (tags) for handwritten numeral recognition)
train-images-idx3-ubyte
- 用于手写数字识别的训练数据（图片） 数据格式：前32位为2049，再32位为数据数量，再32位为图片宽度M，再32位为图片高度N，之后每N*M位都是图片的像素值(Training data (pictures) for handwritten digit recognition)
t10k-images-idx3-ubyte
- 用于手写数字识别的预测数据（图片） 数据格式：前32位为2049，再32位为数据数量，再32位为图片宽度M，再32位为图片高度N，之后每N*M位都是图片的像素值(Predictive data (pictures) for handwritten numeral recognition)
CNN_code
- 卷积神经网络代码齐全，手写数字识别以及SAE的例子(Convolutional neural network code)
语音识别最新
- 用matlab仿真神经网络语音识别系统，里面用的是数字0-9作为训练模板，神经网络匹配模式(use the matlab to simulate word recognition system with neural network)
number_recognition_mlp1
- 这个是做图像识别的数据包，主要是做BP神经网络对手写数字的识别(This is a data packet for image recognition)
bpnn
- 用Python3实现BP神经网络对MNIST数字手写体识别，下载就能用(Using Python3 to implement BP neural network for MNIST digital handwriting recognition, download can be used)
nn_code
- 使用Python实现的一些简单神经网络算法，实现的神经网络包括BP,CNN,RNN,LSTM等，主要是理解这些神经网络的算法原理，并附有mnist数字识别例子。(neural network,include BP,CNN,RNN,LSTM.)
matlab
- 基于BP神经网络手写数字识别，main函数是主函数，识别的成功率在86%左右。(Based on the BP Neural Network handwritten digital recognition, the main function is the main function, and the recognition success rate is about 86%.)
Hand_num
- 基于神经网络及GUI触摸板的手写数字识别，基本的机器学习例子(Handwritten numerals recognition based on neural network and GUI touch board, basic machine learning examples)
BP优化
- 基于bp模型的优化预测，基于bp神经网络的数字识别系统设计(Optimization prediction based on BP model)
NeuralNetworkDigitRecognition
- 基于神经网络的数字识别，对数字进行神经网络训练，然后通过神经网络进行识别(neural network recognition)
Tensorflow CNN
- 卷积神经网络识别手写数字，放在jupyter直接跑，99%识别率，已经和Tensorboard联通好了(Convolutional neural network recognizes handwritten numerals and runs directly on jupyter. The recognition rate is 99%. It has been connected with Tensorboard.)
BP_mnist_UI-master
- 基于BP神经网络的手写数字识别，有完整代码(based image segmentation algorithm)
手写数字识别
- 简单的神经网路学习入门学习资料，使用bp神经网络进行手写数字识别。