BP网络作为人工神经网络的重要分支，已经广泛应用于手写数字识别。然而BP神经网络存在训练时间长、易陷入局部最小的问题。为了克服这些问题，提出了一种改进的遗传算法，并用该算法来优化神经网络的权值和阈值。最后，利用基于该算法的神经网络对大量USPS手写数字样本集进行训练。实验结果表明，该算法比单纯的BP算法具有更快的识别速率。
2022-01-02 16:35:55
291KB
1
人工智能课程作业，工具为 jupyter notebook，使用SVM对手写体数字图片分类，其中包含运行代码，运行截图，内容涵盖完整。
2021-12-23 12:04:39
496KB
1
Pycharm+tensorflow+Softmax实现Mnist手写体数字识别-附件资源
2021-12-05 16:26:20
106B
1
基于神经网络的手写体数字识别，它是用matlab实现的，其中用3种不同的神经的网络方法实现了手写体数字的识别，非常利于初学者的学习和交流。
2021-12-04 13:39:31
50KB
1
使用Python+TensorFlow，全连接的神经网络，基于MNIST数据集。数据集包含60000张训练图片，10000张测试图片。MNIST_model文件夹是已经训练30000次的模型，也可以自己再训练。app.py文件可以测试自己的图片。
2021-11-24 20:30:53
58B
1