目的：使用CNN卷积神经网络实现语音识别 步骤：（1）预处理。 首尾端的静音切除，降低对后续步骤造成的干扰，然后进行声音分帧，把声音切开成帧，，各帧之间一般是有交叠。 （2）特征提取。运用的算法为倒谱系数（MFCC），把每一帧波形变成一个包含声音信息的多维向量； （3）RNN模型训练。有了特征，就可以使用TensorFlow完成模型的建立和训练了。 （4）验证模型。 目标：对相应的声音数据进行分类，例如数据的是数数的数据，能够输出对应的数字。

该工具箱包含CNN，NN，CAE，DBN，SAE等神经网络工具箱。其中CNN工具箱具有详细的中文注释，以便于初学者学习

本代码可实现的功能：可实现CNN神经网络的训练以及检测

本文档从最基础的原理着手，介绍了使用CNN卷积神经网络进行图片分类，是利用深度学习通过卷积神经网络进行图片分类比较不错的参考资料。

人工神经网络 基于CNN卷积神经网络 基于Python 实现图片验证码的识别

本代码是基于Matlab的卷积神经网络源代码案例，本代码本人使用Matlab2014b可以正常运行。欢迎大家留言评论，互相学习研讨。

卷积神经网络 入门介绍 展示PPT 深度学习 CNN

基于卷积神经网络CNN的手写数字识别，支持训练与测试

DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）

1、Mnist_cnn.py 该脚本文件 用TensorFlow框架 实现CNN卷积神经网络处理Mnist手写数字识别数据集，准确率达到99.21%； 2、Mnist_cnn_tensorboard.py 该脚本文件在Mnist_cnn.py的基础上实现可视化。