搜索资源列表
ReadMNIST
- this package is used to read MNIST data base
MNIST
- 这个压缩包，是一个手写数字识别库，世界上最权威的，美国邮政系统开发的，可以作为标准的数据集合使用测试分类器-This compression package, is a handwritten numeral recognition , the world' s most authoritative, the U.S. postal system developed can be used as a standard data set using the test classifier
MNIST-OCR-ELM
- 多隐含层极限学习机，适合对大数据进行处理-Multiple hidden layer limit learning machine, suitable for large data processing
Lenet
- 这个资源使用实现lenet-5的网络结构来MNIST数据集，代码参考了UFLDL上的相关的代码，以及R. B. Palm实现的CNN中的相关代码，为了适应数据集我把lenet-5输入的大小改为了28*28，c3的每一张特征图都与s4的每一张特征图相关，训练的结果可以达到99.1 -The resources for network structure lenet-5 to MNIST data sets, code reference to the relevant code UFLDL on
tensorflow-cnn
- 基于TensorFlow的mnist数据集识别，使用CNN的方法，采用梯度下降学习(MNIST data set recognition based on TensorFlow, using CNN method, using gradient descent learning)
CNN_mnist
- 使用CNN网络对mnist数据集进行训练(Use the CNN network to train MNIST data sets)
CNN_MNIST
- Tensorflow实现基于MNIST数据集的卷积神经网络(Tensorflow implementation of convolutional neural networks based on MNIST data)
Tensorflow：实战Google深度学习框架
- 介绍tensorflow的应用，mnist数据，神经网络的简单例子(Describes the application of tensorflow, MNIST data, a simple example of neural networks)
nqern
- Interpolation and fitting, solution of equations, data analysis, ML estimation method can be a good signal to noise ratio, Using MATLAB compressed sensing.
AlexNet
- 使用TensorFlow 实现 AlexNet ，并使用 Mnist 数据集进行训练并测试。(AlexNet is implemented using TensorFlow and trained and tested using the Mnist data set.)
LeNet5MNIST
- 使用TensorFlow处理MNIST数据，帮助更好的理解和使用TensorFlow(Using TensorFlow to process MNIST data to help better understand and use TensorFlow)
test1
- 神经网络，深度学习上非常经典的例子-RNN循环神经网络，使用mnist数据集，代码简单易懂，学习方便(Neural network, deep learning is a very classic example -RNN circular neural network, the use of mnist data sets, the code is easy to understand, easy to learn)
mnist.pkl
- mnist数据集，用于手写数字识别的数据集，机器学习入门必备(mnist data,original data in http://yann.lecun.com/exdb/mnist/)
Run_MNIST
- 下载MNIST数据集(手写体数字0-9)后，搭建卷积神经网络，将输入的数据集经过一层一层的卷积，到最后计算交叉熵，用梯度下降算法去优化它，使它变得最小，这就训练出了权重和偏置量，识别的准确率为91%(Download the MNIST data set (handwritten number 0-9), build a convolutional neural network, the input data set by convolutional layers, finally calcul
MNIST数据集
- 利用pycharm对mnist数据哭进行直接解压缩操作，得到所有的图片和标签(Using pycharm to wept MNIST data directly, get all the pictures and labels)
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.)
生成对抗网络
- 生成对抗网络针对mnist数据集，Python语言实现。(Generate confrontation network for MNIST data set, implemented in Python language.)
bp_mnist
- matlab写的bp神经网络对mnist数据集进行学习分类(Learning and classification of MNIST data sets based on BP neural network written by MATLAB)
MNIST_data
- MNIST数据集是一个手写体数据集，这个数据集由四部分组成，分别是一个训练图片集，一个训练标签集，一个测试图片集，一个测试标签集；我们可以看出这个其实并不是普通的文本文件或是图片文件，而是一个压缩文件，下载并解压出来，我们看到的是二进制文件。其中包含60000张手写体识别数字图片。(MNIST data set is a handwritten data set, which consists of four parts: a training picture set, a training l
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime