基于Logistic Regression模型实现手写数字识别
2021-05-23 22:00:24
12KB
1
3层神经网络实现手写数字识别（代码+数据 jupyter直接运行看结果）
另有两组数据：处理后Mnist数据集
处理正确率接近97%
适合初学者学习
2021-05-18 21:24:41
14.78MB
1
基于BP神经网络和sklearn的digit数据集编写的手写数字识别demo。带有GUI手写画板，同时还可以根据需要保存手写数字的数据。
2021-05-07 17:22:33
15KB
1
包含了可直接运行的CNN的Lenet5模型实现手写数字识别Mnist以及介绍Lenet5模型的PPT
2021-04-27 09:21:59
21.29MB
1
CNN卷积神经网络实现手写数字识别，Matlab+minist数据集都有，在matlab上可直接运行，新手友好，亲测可用。
2021-04-26 15:04:01
11.45MB
1
不使用框架, 用python实现神经网络,识别mnist中的手写数字,使用Xavier初始化、Adam算法、数据归一化、batch-normalization、dropout等技术
2021-04-22 22:51:18
15.55MB
1
基于opencv-KNN最邻近算法实现手写数字识别，使用Qt做UI实现手写板，可以实时测试，资源包含源代码和可执行程序（release文件夹下的exe文件可以直接运行）
2021-04-19 20:41:49
32.48MB
1
本次练习所用的数据集有5000个训练样本，每个样本对应于20x20大小的灰度图像。这些训练样本包括了9-0共十个数字的手写图像。这些样本中每个像素都用浮点数表示。加载得到的数据中，每幅图像都被展开为一个400维的向量，构成了数据矩阵中的一行。完整的训练数据是一个5000x400的矩阵，其每一行为一个训练样本（数字的手写图像）。数据中，对应于数字"0"的图像被标记为"10"，而数字"1"到"9"按照其自然顺序被分别标记为"1"到"9"。数据集保存在NN_data.mat.
2021-03-22 09:16:02
23KB
1