matlab bp结果,BP-networkmatlab BP神经网络实现手写数字识别,使用 。内有测试数据及实验结果,非常适合入门 276万源代码下载- www.pudn.com...
文件名称: BP-networkmatlab下载 收藏√ [
5 4 3 2 1 ]
开发工具: matlab
文件大小: 1018 KB
上传时间: 2015-03-30
下载次数: 47
详细说明:BP神经网络实现手写数字识别,使用matlab实现。内有测试数据及实验结果,非常适合入门者使用。绝对超值、值5分。0.99MB的文件下载该文档,你不会吃亏。-BP network matlab
文件列表(点击判断是否您需要的文件,如果是垃圾请在下面评价投诉):
BP神经网络实现手写数字识别matlab实现
....................................\100-100.jpg
....................................\AfterAppr_0.bmp
....................................\AfterAppr_1.bmp
....................................\AfterAppr_2.bmp
....................................\AfterAppr_3.bmp
....................................\AfterAppr_4.bmp
....................................\AfterAppr_5.bmp
....................................\AfterAppr_6.bmp
....................................\AfterAppr_7.bmp
....................................\AfterAppr_8.bmp
....................................\AfterAppr_9.bmp
....................................\AfterRec_0.bmp
....................................\AfterRec_1.bmp
....................................\AfterRec_2.bmp
....................................\AfterRec_3.bmp
....................................\AfterRec_4.bmp
....................................\AfterRec_5.bmp
....................................\AfterRec_6.bmp
....................................\AfterRec_7.bmp
....................................\AfterRec_8.bmp
....................................\AfterRec_9.bmp
....................................\Build.asv
....................................\Build.m
....................................\E52PT.mat
....................................\E52net 100-100 100000.mat
....................................\E52net.mat
....................................\Fisher.m
....................................\FisherClassifier.asv
....................................\FisherClassifier.m
....................................\Main.m
....................................\NewAppr_0.bmp
....................................\NewAppr_1.bmp
....................................\NewAppr_2.bmp
....................................\NewAppr_3.bmp
....................................\NewAppr_4.bmp
....................................\NewAppr_5.bmp
....................................\NewAppr_6.bmp
....................................\NewAppr_7.bmp
....................................\NewAppr_8.bmp
....................................\NewAppr_9.bmp
....................................\NewRec_0.bmp
....................................\NewRec_1.bmp
....................................\NewRec_2.bmp
....................................\NewRec_3.bmp
....................................\NewRec_4.bmp
....................................\NewRec_5.bmp
....................................\NewRec_6.bmp
....................................\NewRec_7.bmp
....................................\NewRec_8.bmp
....................................\NewRec_9.bmp
....................................\Recognize.m
....................................\Untitled3.asv
....................................\Untitled3.m
....................................\Vec.asv
....................................\Vec.m
....................................\appr_0.bmp
....................................\appr_1.bmp
....................................\appr_2.bmp
....................................\appr_3.bmp
....................................\appr_4.bmp
....................................\appr_5.bmp
....................................\appr_6.bmp
....................................\appr_7.bmp
....................................\appr_8.bmp
....................................\appr_9.bmp
....................................\es.asv
....................................\es.m
....................................\getFeature.asv
....................................\getFeature.m
....................................\met.asv
....................................\met.m
....................................\net.mat
....................................\net100-100 1000000.mat
....................................\net5-5.mat
....................................\rec_0.bmp
....................................\rec_1.bmp
....................................\rec_2.bmp
....................................\rec_3.bmp
....................................\rec_4.bmp
....................................\rec_5.bmp
....................................\rec_6.bmp
....................................\rec_7.bmp
....................................\rec_8.bmp
....................................\rec_9.bmp
....................................\training.m
....................................\说明.doc
输入关键字,在本站276万海量源码库中尽情搜索:
帮助
[bp.rar] - 实现神经网络的bp识别手写数字。改程序师用MATLAB实现的,里面代码可以直接用
[chepaishibie.zip] - 基于matlab的车牌识别,GUI图像显示,简洁明了,识别过程用的是模板匹配,文件齐全。
[Face-recognition.zip] - 这是一个用BP神经网络实现的一个人脸识别程序,适合初学者的学习。
[BP0411.rar] - 神经网络字符识别程序,可以用来做汉字,英文,数字等字符的识别,需要先训练样本。
[BP_identification.zip] - BP神经网络辨识Matlab程序。引入动量因子对BP算法进行改进,有注释,适合初学者。
[BP.rar] - matlab实现的BP神经网络,用于手写数字识别,非常实用,可以直接运行看结果
[FaceDetect.rar] - VC写的一个人脸检测的程序,可以进行图像的相似度计算,标记人脸区域,标记人脸的五官等操作
[PCA_classifier_version1b.zip] - 基于PCA的图像分类的方法,该方法效果好,易理解。
matlab bp结果,BP-networkmatlab BP神经网络实现手写数字识别,使用 。内有测试数据及实验结果,非常适合入门 276万源代码下载- www.pudn.com...相关推荐
- MATLAB实现基于BP神经网络的手写数字识别+GUI界面+mnist数据集测试
文章目录 MATLAB实现基于BP神经网络的手写数字识别+GUI界面+mnist数据集测试 一.题目要求 二.完整的目录结构说明 三.Mnist数据集及数据格式转换 四.BP神经网络相关知识 4.1 ...
- 基于matlab BP神经网络的手写数字识别
摘要 本文实现了基于MATLAB关于神经网络的手写数字识别算法的设计过程,采用神经网络中反向传播神经网络(即BP神经网络)对手写数字的识别,由MATLAB对图片进行读入.灰度化以及二值化等处理,通过神 ...
- 基于BP神经网络的手写数字识别
基于BP神经网络的手写数字识别 摘要 本文实现了基于MATLAB关于神经网络的手写数字识别算法的设计过程,采用神经网络中反向传播神经网络(即BP神经网络)对手写数字的识别,由MATLAB对图片进行读入 ...
- MATLAB--基于BP神经网络的手写数字识别
MATLAB–基于BP神经网络的手写数字识别 在干活的过程中整理下来的,希望对大家有帮助. 手写数字识别技术作为图像处理和模式识别中的研究热点,在大规模数据统计(如行业年检.人口普查等).票据识别.财 ...
- Python学习记录 搭建BP神经网络实现手写数字识别
搭建BP神经网络实现手写数字识别 通过之前的文章我们知道了,构建一个简单的神经网络需要以下步骤 准备数据 初始化假设 输入神经网络进行计算 输出运行结果 这次,我们来通过sklearn的手写数字数据集 ...
- BP神经网络实现手写数字识别Python实现,带GUI手写画板
BP神经网络实现手写数字识别 BP神经网络模型 用tkinter编写用于手写输入的画板 程序运行的效果截图 在B站看了一个机器学习基础的视频( 链接)后,发现到资料里面有一个用BP神经网络对手写数字进 ...
- Matlab:神经网络实现手写数字识别
如今人工智能发展的时代,机器学习有着不可或缺的地位,而其中最为突出的模型该属于神经网络.从提出神经网络开始,历经感知机.人工神经网络.BP神经网络.进化神经网络.卷积神经网络.图神经网络等,不断的深入 ...
- 基于神经网络实现手写数字识别(matlab)
实验目的 在matlab平台上,采用神经网络实现手写数字识别.在实验过程中: 1.初步探讨数据集预处理的作用. 2.增加对神经网络的理解,探讨隐含层层数,节点数和训练步长对识别成功率的影响,找到较佳的 ...
- 神经网络实现手写数字识别(MNIST)
一.缘起 原本想沿着 传统递归算法实现迷宫游戏 --> 遗传算法实现迷宫游戏 --> 神经网络实现迷宫游戏的思路,在本篇当中也写如何使用神经网络实现迷宫的,但是研究了一下, 感觉有些麻烦不 ...
- 我的Go+语言初体验——Go+语言构建神经网络实战手写数字识别
"我的Go+语言初体验" | 征文活动进行中- 我的Go+语言初体验--Go+语言构建神经网络实战手写数字识别 0. 前言 1. 神经网络相关概念 2. 构建神经网络实战手写数字识 ...
最新文章
- Dijkstra算法.
- linux下查看vnc端口_怎样查vnc端口,Linux下根据进程名怎样查端口
- bookstrap 怎么用ajax,bootstrap里怎么用ajax请求数据到table里
- SVN 放弃修改或撤销删除
- Linux网络协议栈(三)——网络设备(1)
- java 里面怎么截取倒数第几个字_Java反射是什么
- 浅入浅出数据结构(23)——图的概念、存储方式与拓扑排序
- js手机端上传图片,带压缩图片
- efi分区能不能删除 win10_Win10删除了EFI分区:以下是恢复它的方法
- U盘 安装 WIN7 ISO
- lame库(iOS 和 Android)
- L. Ray in the tube
- Anaconda 安装及验证是否安装成功
- 吉林大学计算机应用软件,吉林大学计算机科学与技术学院
- C#的多线程(2)之二
- 项目管理中最常见的问题有哪些?
- 选对数据采集器,轻松采集所需数据!
- 后端获取URL和参数
- 使用linux中的convert命令修改图片大小
- 【关于四足机器人那些事】直驱四足机器人Minitaur运动学建模