基于改进Fisher准则的深度卷积神经网络识别算法

python不使用框架实现卷积神经网络识别手写数字, 在100个的测试集上准确率最高可达95%。内含数据集

基于离散型Hopfield神经网络识别手写数字 matlab实现

5000个手写数字组成的训练集，是由20*20灰度图按列展开得到的，用于训练神经网络进行数字识别

这是我修改的别人的代码，别人的代码有点问题，我修改了一下，代码的正确率很高，可达90%以上，这是一个5层卷积神经网络的代码，误差传递和梯度更新代码里都有，可自学。

5000个手写数字组成的训练集，是由20*20灰度图按列展开得到的，用于训练神经网络进行数字识别

python3使用tensorflow构建CNN卷积神经网络识别性别，有兴趣可以下载，如果有不明白的，可以去我的博客搜素相关介绍：http://georgeyang.cn

使用CNN深度学习网络keras框架识别交通标志 使用了data augmentation，preprocess图片dropout等训练技巧

matlab 手动搭建一个单隐层神经网络用于识别手写数字，实现:标准化数据集，计算损失函数，梯度下降法，反向传播，加深对神经网络的理解。

自主式CCD星敏感器(或称为星跟踪器)自身带有微处理器，是一种智能化的姿态敏感器。由于其指向精度高、无姿态累计误差以及具有快速故障恢复能力， 已成为航空、航天以及军事领域备受关注的研究对象。利用星敏感器确定卫星姿态就是对出现在星敏感器视场中的恒星进行识别，通过星光矢量确定星图拍摄瞬间星敏感器视轴在惯性坐标系中的指向，进而确定航天器姿态。本文以卫星姿态自主确定技术为研究背景,对基于CCD星敏感器的星图识别技术进行了研究。 论文对基于星敏感器确定卫星姿态的技术流程进行了叙述，但重点是对星图识别算法的设计与实现进行了研究。基于星敏感器确定卫星姿态主要存在以下问题:如何构建分布合理并且能够满足导航需要的导航星表、如何设计适应性强、精度高的星图识别算法以及采用何种滤波算法解算卫星姿态等。本文就其中部分内容进行了研究,并进行了实验验证