python语言编写的卷积神经网络代码示例，可直接在tensorflow运行，不懂的可以留言交流。

完成对手写数字识别，对训练样本进行训练，得到特征库，之后对待测样本，逐一计算欧氏距离，利用最小距离判决，进行判断，算法简单，可供借鉴。

可支持手写数字识别，r和python两种语言编写，生成画板鼠标手写输入，也支持上传图片

人工智能初学者常用的minist手写数字识别、波士顿房价预测以及Fashion minist的分类。基于机器学习以及深度学习的模型搭建，实验报告中有所介绍。代码也在实验报告内，帮助你快速完成入门案例，成为人工智能初学者。

【图像识别】RBF手写数字识别matlab源码.md

面对机器学习复杂的技术性课程，细化教学目标、贯穿案例驱动的教学方法、强化实践教学应该是最有效的教学方法。一个具体例子能使学生有效掌握精粹、消除疑惑、理解抽象概念。本文通过一个典型且简单的例子讲解这门课程讲述的核心主线。希望能起到理论联系实际、举一反三、逐步深入、提高学生的学习信心的作用。

文章首发于 个人博客 引言 k 近邻法（k-nearest-neighbor, KNN）是一种基本的分类和回归方法。现在只讨论其分类方面的应用，它不具备明显的学习过程，实际上是利用已知的训练数据集对输入特征向量空间进行划分，并作为其分类的“模型”。 其中 k 值的选择、距离的度量及分类决策规则是 k 近邻模型的三个基本要素。 本文将按照以下提纲进行： k 近邻法阐述 k 近邻的模型 k 近邻在手写数字识别上的实战 k 近邻法阐述 k 近邻算法非常容易理解，因为其本质上就是求距离，这是非常简单而直观的度量方法：对于给定的一个训练数据集，对新的输入实例 M，在训练数据集中找到与该新实例 M 最邻近

python实现BP神经网络回归预测模型，使用BP神经网络的实现手写数字识别，一万字报告，matlab. Although BP neural network performs well in handwritten numeral recognition, it can not be ignored that the weights and thresholds of BP neural network are initialized randomly, which is easy to lead to unstable fitting effect. Moreover, it is easy to make the training of weights and thresholds of BP neural network fall into local area because of gradient descent Optimum. So in this experiment, GA genetic algorithm is used to optimize the in

卷积神经网络实现手写数字识别，包含手写数字二进制文件，代码分模块，有详细注释

visual studio2019手写数字识别工程（权重文件通用） 1.no_gpu_darknet版 yolov3手写数字识别 训练好 的模型权重 。基于opencv3.16版本库函数，附带已配置好的工程源码no_gpu_darknet版。已训练好，可直接使用。 2.一万多数据训练得到，准确率达95%以上 3.目标类别名为0，1，2，3，4，5，6，7，8，9 4.可以 检测图片、视频和调用摄像头，需要选择相应的代码语段 5.依据自己的电脑路径打开darknet_no_gpu.sln，然后配置好opencv3.16环境即可直接运行 E:\darknet-master_2\darknet-master_2\darknet-master\build\darknet\darknet_no_gpu.sln