matlab中存档算法代码-digits-recognition-mnist:Matlab平台基于LeNet的10种数字识别

上传者: 38573171 | 上传时间: 2022-05-19 10:36:03 | 文件大小: 14.99MB | 文件类型: ZIP
matlab中存档算法代码数字识别mnist 项目:基于LeNet模型和MATLAB平台的MNIST的数字手写识别。 该项目在MATLAB平台上基于LeNet模型实现了手写数字的识别。 LeNet模型的结构为“卷积层1 +池化层1 +卷积层2 +池化层2 +全连接层+ softmax输出层”,网络结构完整,取得了理想的识别结果。 职位要求:MATLAB 用法:第1步:运行tobmp.m脚本为该项目生成适当的数据集; 第2步:运行train.m来训练该模型。 调整一些参数非常重要,例如初始权重,卷积核的偏差。 步骤3:使用LeNet_test.m进行测试。 结果:上传文件中包含少量图像,您可以获得以下识别结果。 74.44%如果要使用MNIST的所有数据进行实验,只需使用tobmp.m脚本即可获取所有数据集,我相信结果会更好。 注意:该项目旨在使用MATLAB构建CNN模型,正向和反向算法已存储在此代码中,结果表明,如果您想获得非常好的CNN识别率,它对CNN初学者是有效的。 MNIST,请使用tensorflow或keras。

文件下载

资源详情

[{"title":"( 11 个子文件 14.99MB ) matlab中存档算法代码-digits-recognition-mnist:Matlab平台基于LeNet的10种数字识别","children":[{"title":"digits-recognition-mnist-master","children":[{"title":"README.md <span style='color:#111;'> 1.31KB </span>","children":null,"spread":false},{"title":"init_kernel.m <span style='color:#111;'> 193B </span>","children":null,"spread":false},{"title":"CNN_upweight.m <span style='color:#111;'> 2.45KB </span>","children":null,"spread":false},{"title":"train.zip <span style='color:#111;'> 8.57MB </span>","children":null,"spread":false},{"title":"sigmoid.m <span style='color:#111;'> 42B </span>","children":null,"spread":false},{"title":"LeNet_test.m <span style='color:#111;'> 1.76KB </span>","children":null,"spread":false},{"title":"tobmp.m <span style='color:#111;'> 1.21KB </span>","children":null,"spread":false},{"title":"pooling.m <span style='color:#111;'> 291B </span>","children":null,"spread":false},{"title":"test.zip <span style='color:#111;'> 1.03MB </span>","children":null,"spread":false},{"title":"train.m <span style='color:#111;'> 2.76KB </span>","children":null,"spread":false},{"title":"MNIST_data.zip <span style='color:#111;'> 10.26MB </span>","children":null,"spread":false}],"spread":false}],"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