搜索资源列表
BP
- 用BP神经网络进行手写数字的识别,特征提取是基于统计模式识别的方法-BP neural network with the handwritten numeral recognition, feature extraction is based on statistical pattern recognition approach
mode
- 基于VC的各种聚类和分类算法程序。 手写数字或者打开已有的手写数字图像后，在右视图空白处，单击鼠标左键，激活右视图，选择菜单中的各种分类算法，可以对手写数字进行分类。有模板匹配分类器、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类器。 在左视图上单击鼠标左键，可获得3种数据源：标准数字聚类、手画图形聚类、位图文件分析聚类。可以进行特征提取、模糊聚类和遗传算法。-VC-based clustering and classification algorithm for a
BPHandIdentifyRate
- 基于bp神经网络的手写识别系统 matlab仿真-Bp neural network-based handwriting recognition system simulation matlab
src
- 基于bp神经网络的java英文手写识别系统-Bp neural network, java-based handwriting recognition system
TheResearchofOff-linehandwrittenChinesecharacterre
- 基于BP神经网络的脱机手写汉字识别研究，包含预处理、汉字识别、后处理和识别输出-The Research of Off-line hand written Chinese character recognition Based on BP neutral network
bp
- BP神经网络的手写数字识别 识别数字为0~-BP neural network recognition of handwritten numeral recognition numbers from 0 to 99
codecnnMNIST
- 用cnn卷积神经网络实现对mnist手写库的识别(mnist classfication with convolution neural network)
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)
machine-learning-ex4
- Andrew Ng Cousera 机器学习课程神经网络手写字符识别，源代码以及说明文档(Andrew Ng Cousera 's Machine learning courses, Neural Network handwritten character recognition, source code and documentation)
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)
simplecharrec(III)-update
- 基于PCA和BP网络的手写数字字符的识别(Recognition of handwritten numeric characters based on PCA and BP networks)
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)
xlrd-1.1.0.tar
- 手写字体识别数据专用集，可以用来测试神经网络，深度血虚(Handwritten font recognition data set)
my_cnn.tar
- 用卷积神经网络实现手写数字识别，数据集为mnist数据集(Convolution neural network is used to realize handwritten numeral recognition. Data set is MNIST data set.)
simpleCNN
- 在anaconda+opencv+tensorflow平台下，利用简单的CNN卷积神经网络进行手写字符识别(Under the anaconda+opencv+tensorflow platform, we use simple CNN convolution neural network to handwritten character recognition.)
Python神经网络编程.pdf+代码
- 本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。(This book begins with a brief introduction to the basi