使用手写识别的计算器 这个项目是我面向对象编程课程的最后一个项目。 下面介绍该算法为显示包含数学方程式的输入图像的结果而采取的步骤。 1-图像分割 该程序对输入图像进行分段，仅提取所需的数字或运算符进行计算，然后将每个数字或运算符转换为28x28像素的小图像，这将作为神经网络的输入。 程序接受的数字范围是0-9 ，有效的操作是：加法，减法，乘法，除法，幂和使用括号。 2-分类 从算法的第一步中提取的缩略图被馈送到仅具有一个隐藏层的预训练神经网络，该神经网络的预测是S形激活的向量，每个描述输入的依存概率p（i）图像属于第（i）类。 3-计算结果 对每个分割的图像进行分类后，我们将此分类转换为相应的数字或运算符，并将其隐含为表达式字符串。 然后，我们将此字符串传递给基于堆栈的计算器以计算其结果。 然后使用简单的GUI将所有这些包装到JavaFX应用程序中。 将发布文档，以获取有关算法步骤以及

神经网络图像处理Matlab项目 使用Matlab和人工神经网络从面部线条检测人的年龄的图像处理应用程序

股票日收益率预测 1）如何将原始数据集转换为可用于时间序列预测的数据。（2）如何准备数据并使LSTM适合多变量时间序列预测问题。（3）如何进行预测并将结果重新调整回原始数据。

一类神经网络 用于非线性异常检测的一类神经网络的简化Keras实现。 该实现基于此处描述的方法： : 。 我包括了ODDS（ ）的几个数据集。 设置 pipenv install . 应该配置一个python环境并在该环境中安装所有必需的依赖项。 跑步 在新的python环境中（通过CLI或IDE）运行python driver.py应该开始进行50个纪元的培训，并生成一些输出图。 测验 在test/test_basic.py中定义了两个单元测试：构建模型，以及基于本文示例的分位数损失测试： 执行pytest test以运行。 结果 HTTP数据集 失利 特征 局限性 使演示脚本更加灵活 添加更多的单元测试

neuralNetwork

神经网络 预测数列下一个值的简单神经网络

RBF神经网络主要求解以下3个参数，即隐藏层到神经网络的输出层的权重、基函数的中心以及方差。 一、确定基函数中心 在确定基函数中心时，一般采用自组织选取中心学习方法，这里我们使用k均值聚类算法产生k个符合聚类的中心。 所谓的k均值聚类算法，也就是将给定的样本集按他们之间的距离大小划分为K个簇使得簇与簇 之间的距离尽量大的同时又使得簇内的点能够尽量紧密地连在一起。

自己编写的神经网络，对四类水下图像的特征值进行分类，只有一个隐含层的

Neural Network Programming with Java 源码 神经网络算法与实现

离散Hopfield神经网络及其MATLAB实现，有助于学习神经网络相关知识