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)
基于神经网络的手写数字识别系统.rar
- 基于神经网络的手写数字识别系统
ANeuralNetworkonGPU.rar
- CUDA应用：在CUDA上实现神经网络，识别手写数字,the implementation of a neural network with CUDA. Neural Network for Recognition of Handwritten Digits
matlab.rar
- MATLAB 神经网络用于数字识别源程序 手写数字识别，有图例，大家可以看看,MATLAB neural network to identify the source for digital handwritten numeral recognition, there are legends, we will look at
ES203
- 使用matlab提供的bp网络工具实现手写数字识别。内涵大量测试用手写数字-Bp using matlab network tools available to achieve handwritten numeral recognition. Test a large number of handwritten digital content
DataRecog
- 用神经网络，实现手写数字0-9的识别，对于相似度小的拒绝识别-Using neural networks, implementation figure 0-9 handwriting recognition, the similarity of small refuse recognition
finish
- 可以进行包括bp神经网络以及svm支撑向量机和其他多种方式的模式识别进行数字识别，可以导入白底黑字的图片，也可进行手写识别。-Bp neural network can be included, and svm support vector machines and other pattern recognition in many ways digital identification, black and white images can be imported, but also the
20081022
- 基于人工神经网络的图像识别方法研究。基于神经网络的人脸检测研究。基于特征融合与神经网络的手写体数字识别技基于遗传神经网络的手写体数字识别研究术研究。基于遗传优化的神经网络的银行票据手写数字识别。一种改进的人工神经网络模型-Based on artificial neural network image recognition method. Neural Network Based Face Detection Research. Based on Feature Fusion and Neur
shibie
- 针对10个手写数字的识别问题，设计了一个BP神经网络，使它能够正确识别10个数字。-Against the 10 handwritten numeral recognition problem, a BP neural network is designed so that it can correctly identify the 10 digits.
bprecognition
- 采用神经网络实现手写识别的一种方法，建立Bp神经网络，采用快速训练方法，可快速完成一类相关手写字体的模式识别，识别率较高，当字体变化较大识别率降低时，可重新训练具有较强的适应性。实验证实本方法较好实现了手写字符识别，但也存在识别速度较慢，有时训练不收敛等缺点-Handwriting recognition using neural network is a way to establish Bp neural network, using fast training methods, and c
基于概率神经网络的手写体数字识别
- 基于概率神经网络的手写数字识别，利用概率神经网络识别1-9的手写数字，matlab程序(Handwritten numeral recognition based on probabilistic neural network)
BP神经网络实现手写数字识别matlab实现
- BP神经网络实现手写数字识别matlab实现(Matlab implementation of handwritten digit recognition based on BP neural network)
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
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%.)
手写数字识别
- 运用卷积神经网络进行特征提取，然后进行分类(Using convolution neural network to extract features and classify them)
实验四
- LeNet神经网络 手写数字识别 下载数据集代码 数据集下载完成的(Handwritten Number Recognition Based on LeNet Neural Network)
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)
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)
深度学习CNN手写数字识别
- 利用CNN网络手写数字识别，注释清楚，损失函数用的是focalloss，标注明确，可以跑通，框架是pytorch
神经网络-手写数字识别
- 利用BP神经网络，对MNIST数据集中的5000张图片进行训练，实现手写数字识别，训练出来的结果准确率在90%。