搜索资源列表
-
0下载：
使用决策树，支持向量机以及人工神经网络完成对MNIST手写数字体的分类。-Using a decision tree, support vector machines and artificial neural network to classify the number of MNIST handwritten font.
-
-
0下载：
该库的目标是提供一种易于使用的方法来训练和测试神经网络的MNIST数字（在浏览器或node.js中）。它包括10000个不同的mnist数字样本，通过建立这个以便与Synaptic开箱即用。可以通过MNIST数字加载器自由创建不同示例c的任何数字（从1到60 000）(The goal of the library is to provide an easy-to-use method to train and test the MNIST numbers of the neural netwo
-
-
0下载：
用cnn卷积神经网络实现对mnist手写库的识别(mnist classfication with convolution neural network)
-
-
0下载：
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)
-
-
0下载：
CNN-mnist自制算法，使用卷积神经网络进行计算，准确率99.2(CNN-mnist is a algorithm written by yourself.A convolution neural network is used for calculation, the accuracy rate is 99.2)
-
-
2下载：
使用TensorFlow实现稀疏自编码神经网络，采用数据mnist(Using TensorFlow to realize sparse atuoencoder neural network, using data MNIST)
-
-
0下载：
变分自编码结构，用一个mnist数据。。。。。。(Using TensorFlow to realize Variational Auto-Encoder neural network, using data MNIST)
-
-
2下载：
用Python3实现BP神经网络对MNIST数字手写体识别，下载就能用(Using Python3 to implement BP neural network for MNIST digital handwriting recognition, download can be used)
-
-
0下载：
经典五层卷积神经网络，应用在mnist库上(The classical five layer convolution neural network application in the MNIST database)
-
-
0下载：
实现了在Mnist上的分类，使用了卷积神经网络(use convoluntional neural network to implement classificaiton on Minist.)
-
-
0下载：
基于两层BP神经网络，加入dropout和softmax，输出层使用softmax，实现对手写字符库MNIST的识别，正确率达90%。(Based on the two level BP neural network, adding dropout and softmax, the output layer uses softmax to realize the recognition of handwritten character library MNIST, the accuracy ra
-
-
1下载：
基本的dnn，准确率有百分之93左右，有注释(Basic DNN, the accuracy rate is ninety-three percent)
-
-
0下载：
带drop out 的mnist 的dnn ，准确率百分之90(The DNN of MNIST with drop out has an accuracy rate of ninety percent)
-
-
0下载：
改进的dnn，准确率达到了百分之95，有注释(Improved DNN, the accuracy rate reached ninety-five percent)
-
