搜索资源列表
zerone
- 【题目描述】 Adam 和Eve 被赶出伊甸园后，盖起了四面高墙。高墙上写着n 行01 串。两人无事可做，于是 开始就这些01 串做如下博弈： 1. Adam 进行第1 手，此后双方轮流操作。 2. 第 i 手的操作者，可以且必须在0 和1 之间选择，并相应地抹掉某些串。具体地，若选择 0（1），则抹掉第i 位为0（1）的所有串。长度短于i 的串，也须抹掉。 3. 一方操作之后若将所有串都抹掉了，则判该方失败。 若两人皆明智，则胜负必然确定。不幸的是他俩
myBP
- 采用典型的BP算法实现了基于MNIST的手写数字识别采用输入层、隐含层和输出层的三层结构，实现了BP算法下的神经网络。用7000个样本进行自洽检验，正确率99.79 。-Using typical BP algorithm based on MNIST handwritten numeral recognition using input layer, hidden layer and output layer, three-layer structure, to achieve the neu
12949657Feast
- 手写板是手写绘图输入设备对计算机来说是一种输入设备，其作用和键盘类似。当然，基本上只局限于输入文字或者绘画，也带有一些鼠标的功能。小编刚用了手写板，需要安装驱动程序，下面说说它的安装和使用方法，希望对大家有所帮助。-Handwritten drawing tablet input device to the computer is an input device like a keyboard, and its role. Of course, basically confined to ent
ATKNCR
- (数字字母手写识别库)ATKNCR_M_Vx.x.lib和ATKNCR_N_Vx.x.lib的唯一区别是是否使用动态内存分配. 其中:M,代表需要用到malloc的版本,必须实现alientek_ncr_malloc和alientek_ncr_free两个函数 N,代表普通版本,不需要实现alientek_ncr_malloc和alientek_ncr_free两个函数 Vx.x,代表当前识别程序的版本. 功能:支持数字/小写字母/大写字母/混合四种识别模式.
NN_Recognition
- 1、输入80乘80的英文手写字母图像，对训练数据进行训练，然后输入测试数据，完成字母识别。 2、txt文档详细说明如何配置、运行，一般情况下可以直接运行成功。 3、主要原理采用神经网络进行手写字母识别，准确率较高。 -1, enter 80 x 80 handwritten English alphabet image, the training data for training, and then enter the test data, complete the letter
2014120912555writeocx
- Delphi和VB开发的手写功能，识别和联想输入的文字，手写输入法。-Handwriting Delphi and VB development, character recognition and association input, handwriting input method.
2014120912555writeocx
- 手写Delphi和VB开发，字符识别和联想输入，手写输入法。-Handwriting Delphi and VB development, character recognition and association input, handwriting input method.
Handwritten-numeral-recognition
- 联机手写数字识别 数字通过模拟手写板输入，进行特征提取，发现新特征就通过模板保存起来，通过自带的模板进行神经网络训练，可以进行手写数字识别-On-line handwritten numeral recognition
ce_demo
- ce系统中内置的手写输入法，运用预wince，安装简单-源语言: 检测到中文目标语言: 英语翻译自动检测ABC阿拉伯语爱沙尼亚语保加利亚语波兰语DEFG丹麦语德语俄语法语芬兰语HIJKLMN韩语荷兰语捷克语罗马尼亚语OPQRST葡萄牙语日语瑞典语斯洛文尼亚语泰语UVWX文言文西班牙语希腊语匈牙利语YZ中文英语意大利语粤语中文繁体 ABC阿拉伯语爱沙尼亚语保加利亚语波兰语DEFG丹麦语德语俄语法语芬兰语HIJKLMN韩语荷兰语捷克语罗马尼亚语OPQRST葡萄牙语日语瑞典语斯洛文尼亚语泰语UVW
WtInputModeExp
- 自己写的键盘控件，仿照别人的做的，基本功能已经完成，输入采用控件的事件方式，可以在没有焦点的情况下输入，改控件正在完善，后续还会加上拼音和手写功能-Write their own keyboard control, modeled after the other people do, the basic function has been completed, the input of the event using the control, you can not focus on the c
sebbr
- 本程序为vb编制,在文本框内输入汉字(手写)点击Ctrl即可出拼音 适合不太会拼音(只会手写)的中老年,查看正确拼音-For vb to compile this program, in the text box input Chinese characters (handwritten) click Ctrl, pinyin Suitable for less likely to pinyin (only handwritten) in middle-aged and old, to
Supersonic-electonic-pen-design
- 随着计算机应用的普及，对便携式输入设备的要求也越来越高。人们希望能随时随地用电子设备记录下原始的书写内容。传统的基于传感材料的手写笔系统需要特殊的书写材料，使它的应用范围受到限制。超声波相对与电磁波速度要小得多，其传播的时间较容易检测，将其应用于电子笔系统中，可以使输入设备更加便捷，笔迹跟踪准确。-supersonic electronic pen design by TMS320VC5509A
stm32-handwrite-_recognize
- 基于stm32的手写识别程序：开机的时候先初始化手写识别器，然后检测字库，之后进入等待输入状态。此时，我们在手写区写数字/字符，在每次写入结束后，自动进入识别状态，进行识别，然后将识别结果输出在LCD模块上面（同时打印到串口）。通过按KEY0可以进行模式切换（4种模式都可以测试），通过按KEY2，可以进入触摸屏校准（如果发现触摸屏不准，请执行此操作）。DS0用于指示程序运行状态。-Based stm32 handwriting recognition program: boot time to
MyCnn
- 用VS2012实现手写数字识别的卷积神经网络算法，用mnist库作为输入-Using VS2012 to achieve the handwritten numeral recognition of the convolution neural network algorithm, using the MNIST library as an input
TrackStructure
- 手写体数字识别系统 可执行 c++ 输入图像应为bmp格式图片 可以在画图中手写数字然后保存放入程序中即可-c++
MATLAB
- 实现两个输入信号序列的互相关。返回互相关结果和点数。自己手写代码，要比xcorr效率提高40 左右-read up
2.source_code
- 基于决策树的手写字符识别，动态识别输入的笔画顺序，位置等，类似于在线字符识别，具有较高的准确率。可以在QT打开。-handwriting charactor recognition based on random forests.
qetwbrk__concept
- vb手写屛 可输入 任意波形 输出1024个采样点,很好用的-Vb to write a 屛 can input an arbitrary waveform output 1024 sampling points, very useful
mybatis-generator-core-1.3.2
- 能够帮助程序员自动生成代码，避免手写的错误，解压到一个包下，打开CMD在控制台输入java -jar mybatis-generator-core-1.3.2.jar -configfile generatorConfig.xml -overwrite命令即可(Can help the programmer to generate code automatically, avoid handwriting errors, unpack a packet, and open CMD in the
63267975multipath_doppler
- 如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”后，经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够作出迅速、准确的判断和识别。一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式