这是《测量平差与误差理论基础》详细手写笔记，属于原创，弥补测量平差网上资源少的问题，可供大家参考和学习。

一个高手写的是一套个人独立开发的内容管理系统

利用自动编码器实现手写数字图像数据集的二维平面的展示 import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=False)#独热编码设为False # xs, ys = mnist.train.next_batch(10) #这个函数是取出一些数据。是从训练集里一次提取10张图片。则xs中存储的是图像的数据，ys存储的是这些图像对应的类别 # print (ys) #此时打印的应该是类别 # mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # xs,ys = mnist.train.next_batch(10) # print (ys) #此时打印的应该是独热编码的形式

汉王手写公式识别软件 直接方便手写输入,需要数位板

本基于BP神经网络和卷积神经网络对手写数字识别进行研究，使用10000张已标注的大小为28*28的手写数字图片进行训练和测试，从所有图片中随机选出9000张作为训练样本对网络进行训练，另外1000张作为测试样本用于测试网络的识别效果。其中BP神经网络采用了逐像素特征提取法、数字骨架特征提取（包括粗网格特征提取、笔画密度提取、外轮廓特征提取、像素百分比特征提取四种方法）以及主成分分析法提取像素特征信息，将获得的特征信息作为网络输入进行训练。在Matlab环境下，编程分别对训练样本进行训练，测试样本进行测试识别，得到分类结果和正确率，然后对每种结果进行对比，可比较BP神经网络和卷积神经网络的优劣性

MNIST训练数据

python softmax实现手写数字识别， deep learning 使用python TensorFlow实现

前端html分页逻辑是手写的，用的是Thymeleaf模板引擎，后端用的是mybatis plus的内置分页功能

初学者简单学习神经网络理论后练习的内容

本课题为基于MATLAB的BP神经网络手写数字识别系统。带有GUI人机交互式界面。读入测试图片，通过截取某个数字，进行预处理，经过bp网络训练，得出识别的结果。可经过二次改造成识别中文汉字，英文字符等课题。