手写体数字识别，2018robomaster大赛部分作品；

适合高数下临考前突击复习题型

python手写体识别数据集，包括4个文件夹t10k-images-idx3-ubyte.gz，t10k-labels-idx1-ubyte.gz，train-images-idx3-ubyte.gz，train-labels-idx1-ubyte.gz

基于SVM的手写体数字识别，研究与应用 详细描述了如何识别手写数字

计算机视觉期末课程设计，手写体识别

脱机手写体汉字字符的笔顺信息恢复 如果想用FLASH开发手写体识别,一定要看这个哦.

此数据集适用于深度学习入门时，直接对图片进行手写体识别的实验。

基于MFC的手写体识别，使用微软的提供的接口，具体见本人博客。

实验的训练集选择为mnist数据集的20000张像素为28*28的手写体，10000张像素为28*28的手写体中选择2000张作为验证集，8000张作为实验的测试集。 实验在验证集上选择超参数5个学习率要求，选择最高的模型 此时我们固定其他参数做五组不同的实验查看验证集的准确率结果，由于在步骤2中使用的批量是150 所以要在其周围寻找比较合适的批量个数。实验中固定其他参数，使用不同的学习率进行实验，由于在步骤2中我们已经选择了效果比较的的学习率为0.0001 ,步骤3中我们已经选择了效果比较的的小批量为100则以此为基础，固定其他参数，进行实验。实验中固定其他参数，使用不同的卷积神经网络时卷积核的大小进行实验

刚刚从事人工智能深度学习的大学生，工作人员，资源中详细分解了卷积神经网络，网络收敛拟合，精度达到98以上。 数据集训练集、验证集、测试集选择 实验的训练集选择为mnist数据集的60000张像素为28*28的手写体 有图片 训练拟合 报告说明