基于python实现的BP神经网络手写数字识别模型实验源码+详细注释+数据集+项目说明+实验结果及总结.7z

上传者: DeepLearning_ | 上传时间: 2022-12-14 16:26:57 | 文件大小: 11.06MB | 文件类型: 7Z
基于python实现的BP神经网络手写数字识别模型实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能 课程作业 手写数字数据集 BP网络模型识别手写数字 反向传播(英语:Backpropagation,缩写为BP)是“误差反向传播”的简称,是一种与最优化方法(如梯度下降法)结合使用的,用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法,用来更新权值以最小化损失函数。反向传播要求有对每个输入值想得到的已知输出,来计算损失函数梯度。因此,它通常被认为是一种监督式学习方法。反向传播要求人工神经元(或“节点”)的激励函数可微。

文件下载

资源详情

[{"title":"( 7 个子文件 11.06MB ) 基于python实现的BP神经网络手写数字识别模型实验源码+详细注释+数据集+项目说明+实验结果及总结.7z","children":[{"title":"基于python实现的BP神经网络手写数字识别模型实验源码+详细注释+数据集+项目说明+实验结果及总结","children":[{"title":"input_data.py <span style='color:#111;'> 7.28KB </span>","children":null,"spread":false},{"title":"项目说明.md <span style='color:#111;'> 6.16KB </span>","children":null,"spread":false},{"title":"MNIST_data","children":[{"title":"t10k-images-idx3-ubyte.gz <span style='color:#111;'> 1.57MB </span>","children":null,"spread":false},{"title":"t10k-labels-idx1-ubyte.gz <span style='color:#111;'> 4.44KB </span>","children":null,"spread":false},{"title":"train-labels-idx1-ubyte.gz <span style='color:#111;'> 28.20KB </span>","children":null,"spread":false},{"title":"train-images-idx3-ubyte.gz <span style='color:#111;'> 9.45MB </span>","children":null,"spread":false}],"spread":true},{"title":"BP.py <span style='color:#111;'> 1.61KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明