搜索资源列表
123214324325325435
- 利用神经网络算法识别手写体文字的工程，工程的例子图像为MNIST DATABASE数据库中的图像-Use of neural network algorithm handwritten text recognition works, examples of images in the database image MNIST DATABASE
MNIST-handwritten-digits
- 手写数字识别数据集，MNIST，包括原始数据集的所有样本，以及抽取的2000个样本的子集，.mat格式。美国著名数据集NIST的子集，模式识别常用实验数据集-handwritten digits recognition ,dataset, MNIST from NIST, .mat file,
myBPMNIST
- 采用典型的BP算法实现了有导师学习下的神经网络，采用输入层、隐含层和输出层的三层结构，实现了BP算法。并用此算法实现了基于MNIST的数字识别，采用7000个样本做训练，自洽检验正确率达到了99.79%。
mnist库
- 手写数字识别库 手写数字识别库 手写数字识别库
mnist.pkl
- mnist数据集，手写体识别，可以应用于深度学习的测试数据-mnist dataset, used for handwriting recognize
CNN
- 一个卷积层+一个下采样+softmax实现mnist识别(implement a simple CNN)
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
- 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)
MNIST-classification-example-master
- MNIST-classification-example
MNIST-PCA
- 使用PCA算法分析MNIST 手写字符训练样本。 结果分别生成以2、5、10个PCA主成分的重构图像以及10个主成分特征向量的对应图像。(Implement PCA algorithm on MNIST dataset and calculate the class PCA on each digit separately.)
test
- tensorflow测试 计算mnist识别准确率 以及计算时间(tensorflow test Calculate the MNIST recognition accuracy and calculation time)
cnn
- 卷积神经网络（CNN），TensorFlow框架下运行，基于MNIST手写体数据集，可直接运行(Convolutional Neural Network (CNN), run under TensorFlow framework, can run directly based on MNIST handwritten dataset)
mnist_loader
- 是一个minst数据集的读取脚本。运行此脚本可以自动读取mnist数据集(mnist_loader is a loader of mnist dataset!)
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)
MNIST_CNN
- 用于MNIST数据集，训练卷积神经网络，预测准确率大约为99.3%(Training Convolutional Neural Network on MNIST dataset)
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/)
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)
code(BP_to_MNIST)
- 使用BP神经网络实现手写字符库MNIST的识别。(The recognition of handwritten character library MNIST is realized by using BP neural network.)
tensorflow-mnist
- 改进了官方的MNIST进阶demo，准确率提升。(The official MINIST advanced demo is improved and the accuracy is improved.)
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