卷积神经网络相关模块（输入层，卷积层，池化层，批归一化层，激活层，全连接层等相关知识）介绍

学校人工智能课程学习中，使用到的图片识别案例。主要功能为识别芯片表面划痕

斯坦福NLP课程 - 第11讲 - NLP中的卷积神经网络.doc

基于tensorflow的猫狗识别分类算法

Deep Learning and Convolutional Neural Networks for Medical 本书详细介绍了在医学图像计算中的语义对象检测和分割以及大规模放射学数据库挖掘的深度学习方法。特别关注卷积神经网络的应用，理论支持实际例子。特性：突出显示了如何使用深度神经网络来解决新的问题和协议，以及如何改进医学图像计算中的现有挑战;探讨博士的深刻研究经验。全面回顾了最新的研究和文献;描述了一系列不同的方法，这些方法利用深度学习在2D和3D医学成像中进行物体或地标检测任务;使用医学成像中的深度学习原理检查语义分割的各种选择技术;在大规模的放射图像数据库中引入了一种新颖的交错文本和图像深度挖掘方法。

本文对四类垃圾进行建模，每类垃圾再分为2类垃圾进行识别，（已经建立模型，无垃圾图片训练集菠萝、茶叶、单肩包、锅草帽、口服液瓶、玻璃灯管、电视眼镜）+程序源码，可自己寻找垃圾训练图片建立文件进行训练

这是一份对最基本CNN代码的很详细很详细解析，特别适合CNN刚入门的同学。

完整卷积神经网络鲜花的二分类，同时包含模型搭建、数据处理、选择面板框等，还有生成的折线图来进行准确率的对比分析和损失值的对比分析，饼图为耗时分析 压缩包同时还包含答辩PPT，和项目报告书(有背景，发展现状，方法，结果分析与讨论等等

硬件实现的卷积神经网络（verilog） Verilog 81.6% Objective-C 9.0% Python 5.0%

卷积神经网络 Lenet5 深度学习，机器学习，训练数据集MNIST，测试集错误率可以到1.06%，C++实现 VC实现 C++源代码 VC源代码