TensorFlow框架下利用用CNN进行MNIST手写字符识别。

这项研究工作部署了一种很有前景的方法来识别手写英文字母和神经数字。 在这项研究工作中，分析和研究了基于深度神经网络的卷积神经网络模型在 MNIST 数据集上的性能。 该标准化数据集包括手写文本，包括数字和字母。 在各种实验中，CNN 的参数在多个实例中配置，以分析其在不同环境下的性能。 虽然主要配置集包括误差函数、激活函数、隐藏层数、时期数、各种优化技术以解决凸和非凸可优化目标函数。 实验结果证明了其与现有艺术相当的有前途的价值。 所讨论模式的结论性能在具有交叉熵误差函数的 sigmoid 激活函数下达到了 99.65 的最高分类率，并且首先将性能延迟评估为不同隐藏层数的度量。

MNIST手写字符数据集，包含 train-images-idx3-ubyte.gz, train-labels-idx1-ubyte.gz, t10k-images-idx3-ubyte.gz, t10k-labels-idx1-ubyte.gz 四个文件

112.【S1IG112】Qt+OpenCV+SVM+KNN的MNIST手写字符识别.rar

开源标准数据集 —— mnist(手写字符识别) mnist.pkl 这是MNIST的数据集,方便大家训练自己的模型。 神经网络 MLPClassifier入门代码

MNIST手写字符数据集，字符和标签文件分离，存储格式为Matlab格式。

number_recognition.zip

多层ELM进行MNIST手写字符分类MATLAB代码，直接运行.m程序，如果现实内存溢出，请改小隐藏节点个数。