搜索资源列表
手写识别
- 利用VB开发的手写数字识别系统，实现由1-10的手写识别-using VB's handwriting recognition system figures, the 1-10 achieved by the handwriting recognition
联机手写字符识别VC代码
- 手写数字识别的VC代码
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
digitalidentification
- 自己编的识别手写数字的程序 大家随便看看吧-Own hand-written digit recognition process we just take a look at it
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
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)
tensorboard
- tensorflow手写数字识别，提高识别的准确率(Tensorflow handwritten numeral recognition, improve the accuracy of recognition.)
cnn
- 手写数字识别的简单实现，CNN入门到深入，三个版本供读者使用。(Simple Implementation of Handwritten Number Recognition, Getting Started with CNN)
R语言 svm 手写数字识别
- 用R语言写的手写数字识别算法（svm 方法）(Handwritten numeral recognition algorithm written in R language (SVM method))
CNN
- 手写数字识别的数据集 matlab实现cnn(Data Set for Handwritten Number Recognition Realization of CNN in matlab)
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)
DNN实现手写数字识别
- DNN实现手写数字的识别，准确率80以上，可以自行改变学习率等，希望能帮助到大家。
1111
- 基于PCA的手写数字识别源码，内附有说明文件，非常清晰！运行环境：matlab。(Handwritten digital character recognition based on PCA and BP network)
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
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。
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%。
minist手写数字识别，搭建3层的卷积神经网络
- minist手写数字识别，基于Keras搭建3层的卷积神经网络，达到99%的识别准确率，且绘制相应的准确率和loss function曲线；