网络训练深度学习一行一行敲faster rcnn keras版第二部分

OpenCV在DNN模块中提供了基于残差SSD网络训练的人脸检测模型，tensorflow版本。

完整车牌号字符模板 主要用于神经网络车牌识别

经典的RBFNN训练算法，主要是前向选择和后向选择，分别针对两种神经网络构造方法

关于神经网络训练技巧的论文集，设计训练过程的各个方面

原来Pyrenn代码库（由Dennis Atabay和他的同事们创造） -可作为MATLAB脚本或Python，可以在这里下载- https://pyrenn.readthedocs.io/en/latest/ 。 我使用他们的代码（并与 Dennis 进行了交流）开发了一个简单的框架来比较他们的神经网络 Levenberg-Marquardt (LM) 学习算法与 Matlab 的前馈神经网络架构的 LM 学习算法的性能。 Pyrenn 算法运行速度快，性能非常非常好。 可以在这里阅读我关于比较的文章 - https://mikescodeprojects.com/2020/01/12/pyrenn-vs-matlab/ 。 您必须拥有 Matlab 深度学习工具箱才能运行 Matlab LM 算法来比较性能。 但是如果你不这样做，你仍然可以运行 Pyrenn 算法（代码库包含在

matlab开发-快速多层前馈神经网络训练。这是一个简单而快速的代码，可以训练任意层数的神经网络。

手写数字识别网络训练与测试

用于深度学习和神经网络训练的五连子（五子棋）棋局数据。 共1000个数据文件，每个数据文件对应着一局对弈。 每个数据文件按行记录着从第一步落子到最后一步落子的信息，第一行是第一步落子，第二行是第二步落子，依此类推。 每一行按顺序记录着落子的X位置、Y位置、落子者，落子者为-1表示黑棋，+1表示白棋。

用于深度学习和神经网络训练的六连子棋局数据。 共500个数据文件，每个数据文件对应着一局对弈。 每个数据文件按行记录着从第一步落子到最后一步落子的信息，第一行是第一步落子，第二行是第二步落子，依此类推。 每一行按顺序记录着落子的X位置、Y位置、落子者，落子者为-1表示黑棋，+1表示白棋。