简单BP神经网络分类手写数字识别0-9
前言:本人旨在交流代码,细节和原理不清楚的可以留言,以后做完了再整理,现在先放一部分,可以直接使用
1.代码可以直接在c上运行,输入为5*5矩阵,比如数字0:
1 1 1 1 1
1 0 0 0 1
1 0 0 0 1
1 0 0 0 1
1 1 1 1 1
因为训练集合太小,决定用matlab生成大量训练样本,放在后文中。
2.c语言实现代码:(BP推导很简单,不会的自己可以留言,代码中有详细注释)
#include <stdio.h>
#include <math.h>
#include <stdlib.h>
#include <time.h>#define COUNT 50//样本数量
#define IN_NUM 25//输入层神经元数量
#define OUT_NUM 10//输出层神经元数量
#define numHidden 30//隐含层神经元数量double weight_hidden[IN_NUM][numHidden];//输入层到隐含层的权值
double bias_hidden[numHidden];//隐含层的阈值
double weight_output[numHidden][OUT_NUM];//隐含层到输出层的权值
double bias_output[OUT_NUM];//输出层的阈值
double learnRate = 0.4;//学习数率
double accuracy = 0.001;//最大容许误差0.000001
int maxloopCount = 1000000;//最大学习数率
double fnet(double net)//Sigmoid
{return 1 / (1 + exp(-net));
}
double dfnet(double net)//Sigmoid导函数 y = s*(s-1)
{return net * (1 - net);
}
int InitBP()//得到-1到1随机数
{int i, j;srand((unsigned)time(NULL));for (i = 0; i < IN_NUM; i++)for (j = 0; j < numHidden; j++){weight_hidden[i][j] = rand() / (double)(RAND_MAX)-0.5;bias_hidden[j] = rand() / (double)(RAND_MAX)-0.5;}for (i = 0; i < numHidden; i++)for (j = 0; j < OUT_NUM; j++){weight_output[i][j] = rand() / (double)(RAND_MAX)-0.5;bias_output[j] = rand() / (double)(RAND_MAX)-0.5;}return 1;
}
int TrainBP(float x[COUNT][IN_NUM], float y[COUNT][OUT_NUM])
{double delta_hidden[numHidden], delta_output[OUT_NUM];//中间计算量double output_hidden[numHidden], output_output[OUT_NUM];//隐含层输出 输出层输出double temp;//中间累加值double loss;int i, j, k, n;for (n = 0; n < maxloopCount; n++){loss = 0;for (i = 0; i < COUNT; i++)//逐个数据进行计算,整个数据计算一遍后n+1{/*前相传播*///计算隐含层输出for (k = 0; k < numHidden; k++){temp = 0;for (j = 0; j < IN_NUM; j++)temp += x[i][j] * weight_hidden[j][k];output_hidden[k] = fnet(temp + bias_hidden[k]);}//计算输出层输出for (k = 0; k < OUT_NUM; k++){temp = 0;for (j = 0; j < numHidden; j++)temp += output_hidden[j] * weight_output[j][k];output_output[k] = fnet(temp + bias_output[k]);}//计算误差for (j = 0; j < OUT_NUM; j++)loss += 0.5*(y[i][j] - output_output[j])*(y[i][j] - output_output[j]);/*方向传播阶段*///更新输出层的权值for (j = 0; j < OUT_NUM; j++)delta_output[j] = (y[i][j] - output_output[j])*dfnet(output_output[j]);for (j = 0; j < numHidden; j++)for (k = 0; k < OUT_NUM; k++){weight_output[j][k] += learnRate * delta_output[k] * output_hidden[j];}//更新输出层的偏重for (k = 0; k < OUT_NUM; k++)bias_output[k] += learnRate * delta_output[k];//更新隐含层权重for (j = 0; j < numHidden; j++){temp = 0;for (k = 0; k < OUT_NUM; k++)temp += weight_output[j][k] * delta_output[k];delta_hidden[j] = temp * dfnet(output_hidden[j]);}for (j = 0; j<IN_NUM; j++)for (k = 0; k < numHidden; k++)weight_hidden[j][k] += learnRate*delta_hidden[k] * x[i][j];//跟新隐含层偏置for (k = 0; k < numHidden; k++)bias_hidden[k] += learnRate*delta_hidden[k];}if (n % 10 == 0)printf("误差:%f\n", loss);if (loss <= accuracy)break;//达到训练标准,训练提前结束}printf("总的训练次数:%d\n", n);printf("bp网络训练结束!\n");return 1;
}
int TestBP()
{float Input[IN_NUM];//定义输入向量double output_hidden[numHidden];//隐含层输出double output_output[OUT_NUM];//输出层输出double mid= 0;int c;while (1){printf("请输入一个数:\n");int i, j;//输入层for (i = 0; i < IN_NUM; i++){scanf_s("%f", &Input[i]);}//隐含层double temp;for (i = 0; i < numHidden; i++)//输入层神经元与隐含层神经元的连接计算{temp = 0;//中间变量,用于存储隐含层隐含层神经元输出for (j = 0; j < IN_NUM; j++)temp += Input[j] * weight_hidden[j][i];output_hidden[i] = fnet(temp + bias_hidden[i]);}//输出层for (i = 0; i < OUT_NUM; i++){temp = 0;for (j = 0; j < numHidden; j++)temp += output_hidden[j] * weight_output[j][i];output_output[i] = fnet(temp + bias_output[i]);}//输出输出层每一个神经元结果printf("结果为: ");for (i = 0; i < OUT_NUM; i++)printf("%f ", output_output[i]);for (i = 0; i < OUT_NUM; i++){if (mid < output_output[i]){mid = output_output[i];c = i; }}printf("你输入的数为%d\n", c);printf("\n");}return 1;
}int main()
{//输入规则:3不允许连排,且输入偏右//x为输入向量,y为输出向量float x[COUNT][IN_NUM] = {// 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25//------------------------------------0 start----------------------------------------------------//{ 1, 1, 1, 1, 1,1, 0, 0, 0, 1, 1, 0, 0, 0, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 1 },// 1 2 3 4 5{ 1, 1, 1, 1, 0,1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0 },// 1 2 3 4 5{0, 1, 1, 1, 1,0, 1, 0, 0, 1,0, 1, 0, 0, 1,0, 1, 0, 0, 1,0, 1, 1, 1, 1},// 1 2 3 4 5{1, 1, 1, 1, 0,1, 0, 0, 1, 0,1, 1, 1, 1, 0,0, 0, 0, 0, 0,0, 0, 0, 0, 0},// 1 2 3 4 5{1, 1, 1, 1, 1,1, 0, 0, 0, 1,1, 1, 1, 1, 1,0, 0, 0, 0, 0,0, 0, 0, 0, 0},
//------------------------------------0 end------------------------------------------------------------//
//------------------------------------1 start----------------------------------------------------//// 1 2 3 4 5 {1, 0, 0, 0, 0,1, 0, 0, 0, 0,1, 0, 0, 0, 0,1, 0, 0, 0, 0,1, 0, 0, 0, 0},// 1 2 3 4 5{0, 1, 0, 0, 0,0, 1, 0, 0, 0,0, 1, 0, 0, 0,0, 1, 0, 0, 0,0, 1, 0, 0, 0},// 1 2 3 4 5{0, 0, 1, 0, 0,0, 0, 1, 0, 0,0, 0, 1, 0, 0,0, 0, 1, 0, 0,0, 0, 1, 0, 0},// 1 2 3 4 5{0, 0, 0, 1, 0,0, 0, 0, 1, 0,0, 0, 0, 1, 0,0, 0, 0, 1, 0,0, 0, 0, 1, 0},// 1 2 3 4 5{0, 0, 0, 0, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1},
//------------------------------------1 end------------------------------------------------------------//
//------------------------------------2 start----------------------------------------------------//
// 1 2 3 4 5 {1, 1, 1, 1, 1,0, 0, 0, 0, 1,1, 1, 1, 1, 1,1, 0, 0, 0, 0,1, 1, 1, 1, 1},// 1 2 3 4 5{0, 0, 0, 0, 0,1, 1, 1, 1, 1,1, 1, 1, 1, 1,1, 0, 0, 0, 0,1, 1, 1, 1, 1},// 1 2 3 4 5{0, 1, 1, 1, 0,0, 0, 0, 1, 0,0, 1, 1, 1, 0,0, 1, 0, 0, 0,0, 1, 1, 1, 0},// 1 2 3 4 5{1, 1, 1, 1, 0,0, 0, 0, 1, 0,1, 1, 1, 1, 0,1, 0, 0, 0, 0,1, 1, 1, 1, 0},// 1 2 3 4 5{0, 1, 1, 1, 1,0, 0, 0, 0, 1,0, 1, 1, 1, 1,0, 1, 0, 0, 0,0, 1, 1, 1, 1},
//------------------------------------2 end------------------------------------------------------------//
//------------------------------------3 start----------------------------------------------------//
// 1 2 3 4 5 {1, 1, 1, 1, 1,0, 0, 0, 0, 1,1, 1, 1, 1, 1,0, 0, 0, 0, 1,1, 1, 1, 1, 1},// 1 2 3 4 5{1, 1, 1, 1, 0,0, 0, 0, 1, 0,1, 1, 1, 1, 0,0, 0, 0, 1, 0,1, 1, 1, 1, 0},// 1 2 3 4 5{1, 1, 1, 0, 0,0, 0, 1, 0, 0,1, 1, 1, 0, 0,0, 0, 1, 0, 0,1, 1, 1, 0, 0},// 1 2 3 4 5{1, 1, 1, 1, 1,1, 1, 1, 1, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1,1, 1, 1, 1, 1},// 1 2 3 4 5{0, 0, 1, 1, 1,0, 0, 1, 1, 1,0, 0, 0, 0, 1,0, 0, 1, 1, 1,0, 0, 0, 0, 0},
//------------------------------------3 end------------------------------------------------------------//
//------------------------------------4 start----------------------------------------------------//// 1 2 3 4 5 {1, 1, 0, 0, 0,1, 1, 0, 0, 0,1, 1, 0, 0, 0,1, 1, 1, 1, 1,0, 1, 0, 0, 0},// 1 2 3 4 5{1, 0, 1, 0, 0,1, 0, 1, 0, 0,1, 1, 1, 1, 1,0, 0, 1, 0, 0,0, 0, 1, 0, 0},// 1 2 3 4 5{1, 0, 0, 1, 0,1, 0, 0, 1, 0,1, 1, 1, 1, 1,0, 0, 0, 1, 0,0, 0, 0, 1, 0},// 1 2 3 4 5{1, 0, 0, 0, 1,1, 0, 0, 0, 1,1, 0, 0, 0, 1,1, 1, 1, 1, 1,0, 0, 0, 0, 1},// 1 2 3 4 5{1, 0, 1, 0, 0,1, 0, 1, 0, 0,1, 1, 1, 1, 1,0, 0, 1, 0, 0,0, 0, 1, 0, 0},
//------------------------------------4 end------------------------------------------------------------//
//------------------------------------5 start----------------------------------------------------//// 1 2 3 4 5 {1, 1, 1, 1, 1,1, 0, 0, 0, 0,1, 1, 1, 1, 1,0, 0, 0, 0, 1,1, 1, 1, 1, 1},// 1 2 3 4 5{1, 1, 1, 1, 0,1, 0, 0, 0, 0,1, 1, 1, 1, 0,0, 0, 0, 1, 0,1, 1, 1, 1, 0},// 1 2 3 4 5{1, 1, 1, 0, 0,1, 0, 0, 0, 0,1, 1, 1, 0, 0,1, 1, 1, 0, 0,0, 0, 0, 0, 0},// 1 2 3 4 5{1, 1, 1, 0, 0,1, 0, 0, 0, 0,1, 1, 1, 0, 0,0, 0, 1, 0, 0,1, 1, 1, 0, 0},// 1 2 3 4 5{0, 1, 1, 1, 0,0, 1, 0, 0, 0,0, 1, 1, 1, 0,0, 0, 0, 1, 0,0, 1, 1, 1, 0},
//------------------------------------5 end------------------------------------------------------------//
//------------------------------------6 start----------------------------------------------------//// 1 2 3 4 5 {1, 1, 1, 1, 1,1, 0, 0, 0, 0,1, 1, 1, 1, 1,1, 0, 0, 0, 1,1, 1, 1, 1, 1},// 1 2 3 4 5{1, 0, 0, 0, 0,1, 0, 0, 0, 0,1, 1, 1, 1, 1,1, 0, 0, 0, 1,1, 1, 1, 1, 1},// 1 2 3 4 5{1, 1, 1, 0, 0,1, 0, 0, 0, 0,1, 1, 1, 0, 0,1, 0, 1, 0, 0,1, 1, 1, 0, 0},// 1 2 3 4 5{0, 0, 1, 1, 1,0, 0, 1, 0, 0,0, 0, 1, 1, 1,0, 0, 1, 1, 1,0, 0, 0, 0, 0},// 1 2 3 4 5{0, 1, 0, 0, 0,0, 1, 0, 0, 0,0, 1, 1, 1, 1,0, 1, 0, 0, 1,0, 1, 1, 1, 1},
//------------------------------------6 end------------------------------------------------------------//
//------------------------------------7 start----------------------------------------------------//// 1 2 3 4 5 {1, 1, 1, 1, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1},// 1 2 3 4 5{0, 1, 1, 1, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 0},// 1 2 3 4 5{0, 0, 0, 0, 0,0, 1, 1, 1, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1},// 1 2 3 4 5{0, 0, 0, 0, 0,0, 1, 1, 1, 0,0, 0, 0, 1, 0,0, 0, 0, 1, 0,0, 0, 0, 1, 0},// 1 2 3 4 5{0, 0, 0, 0, 0,0, 0, 0, 0, 0,1, 1, 1, 0, 0,0, 0, 1, 0, 0,0, 0, 1, 0, 0},
//------------------------------------7 end------------------------------------------------------------//
//------------------------------------8 start----------------------------------------------------//// 1 2 3 4 5 {1, 1, 1, 1, 1,1, 0, 0, 0, 1,1, 1, 1, 1, 1,1, 0, 0, 0, 1,1, 1, 1, 1, 1},// 1 2 3 4 5{1, 1, 1, 0, 0,1, 0, 1, 0, 0,1, 1, 1, 0, 0,1, 0, 1, 0, 0,1, 1, 1, 0, 0},// 1 2 3 4 5{0, 0, 1, 1, 1,0, 0, 1, 0, 1,0, 0, 1, 1, 1,0, 0, 1, 0, 1,0, 0, 1, 1, 1},// 1 2 3 4 5{0, 1, 1, 1, 0,0, 1, 0, 1, 0,0, 1, 1, 1, 0,0, 1, 1, 1, 0,0, 0, 0, 0, 0},// 1 2 3 4 5{0, 1, 1, 1, 1,0, 1, 0, 0, 1,0, 1, 1, 1, 1,0, 1, 0, 0, 1,0, 1, 1, 1, 1},
//------------------------------------8 end------------------------------------------------------------//
//------------------------------------9 start----------------------------------------------------//// 1 2 3 4 5 {1, 1, 1, 1, 1,1, 0, 0, 0, 1,1, 1, 1, 1, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1},// 1 2 3 4 5{1, 1, 1, 0, 0,1, 0, 1, 0, 0,1, 1, 1, 0, 0,0, 0, 1, 0, 0,0, 0, 1, 0, 0},// 1 2 3 4 5{0, 0, 1, 1, 1,0, 0, 1, 0, 1,0, 0, 1, 1, 1,0, 0, 0, 0, 1,0, 0, 0, 0, 1},// 1 2 3 4 5{0, 0, 0, 0, 0,1, 1, 1, 1, 0,1, 0, 0, 1, 0,1, 1, 1, 1, 0,0, 0, 0, 1, 0},// 1 2 3 4 5{0, 1, 1, 1, 0,0, 1, 0, 1, 0,0, 1, 1, 1, 0,0, 0, 0, 1, 0,0, 0, 0, 1, 0},
//------------------------------------9 end------------------------------------------------------------//};float y[COUNT][OUT_NUM] = {{ 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 },{ 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 },{ 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 },{ 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 },{ 1, 0, 0, 0, 0, 0, 0, 0, 0, 0 },//0{ 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 },{ 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 },{ 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 },{ 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 },{ 0, 1, 0, 0, 0, 0, 0, 0, 0, 0 },//1{ 0, 0, 1, 0, 0, 0, 0, 0, 0, 0 },{ 0, 0, 1, 0, 0, 0, 0, 0, 0, 0 },{ 0, 0, 1, 0, 0, 0, 0, 0, 0, 0 },{ 0, 0, 1, 0, 0, 0, 0, 0, 0, 0 },{ 0, 0, 1, 0, 0, 0, 0, 0, 0, 0 },//2{ 0, 0, 0, 1, 0, 0, 0, 0, 0, 0 },{ 0, 0, 0, 1, 0, 0, 0, 0, 0, 0 },{ 0, 0, 0, 1, 0, 0, 0, 0, 0, 0 },{ 0, 0, 0, 1, 0, 0, 0, 0, 0, 0 },{ 0, 0, 0, 1, 0, 0, 0, 0, 0, 0 },//3{ 0, 0, 0, 0, 1, 0, 0, 0, 0, 0 },{ 0, 0, 0, 0, 1, 0, 0, 0, 0, 0 },{ 0, 0, 0, 0, 1, 0, 0, 0, 0, 0 },{ 0, 0, 0, 0, 1, 0, 0, 0, 0, 0 },{ 0, 0, 0, 0, 1, 0, 0, 0, 0, 0 },//4{ 0, 0, 0, 0, 0, 1, 0, 0, 0, 0 },{ 0, 0, 0, 0, 0, 1, 0, 0, 0, 0 },{ 0, 0, 0, 0, 0, 1, 0, 0, 0, 0 },{ 0, 0, 0, 0, 0, 1, 0, 0, 0, 0 },{ 0, 0, 0, 0, 0, 1, 0, 0, 0, 0 },//5{ 0, 0, 0, 0, 0, 0, 1, 0, 0, 0 },{ 0, 0, 0, 0, 0, 0, 1, 0, 0, 0 },{ 0, 0, 0, 0, 0, 0, 1, 0, 0, 0 },{ 0, 0, 0, 0, 0, 0, 1, 0, 0, 0 },{ 0, 0, 0, 0, 0, 0, 1, 0, 0, 0 },//6{ 0, 0, 0, 0, 0, 0, 0, 1, 0, 0 },{ 0, 0, 0, 0, 0, 0, 0, 1, 0, 0 },{ 0, 0, 0, 0, 0, 0, 0, 1, 0, 0 },{ 0, 0, 0, 0, 0, 0, 0, 1, 0, 0 },{ 0, 0, 0, 0, 0, 0, 0, 1, 0, 0 },//7{ 0, 0, 0, 0, 0, 0, 0, 0, 1, 0 },{ 0, 0, 0, 0, 0, 0, 0, 0, 1, 0 },{ 0, 0, 0, 0, 0, 0, 0, 0, 1, 0 },{ 0, 0, 0, 0, 0, 0, 0, 0, 1, 0 },{ 0, 0, 0, 0, 0, 0, 0, 0, 1, 0 },//8{ 0, 0, 0, 0, 0, 0, 0, 0, 0, 1 },{ 0, 0, 0, 0, 0, 0, 0, 0, 0, 1 },{ 0, 0, 0, 0, 0, 0, 0, 0, 0, 1 },{ 0, 0, 0, 0, 0, 0, 0, 0, 0, 1 },{ 0, 0, 0, 0, 0, 0, 0, 0, 0, 1 },//9};InitBP();//初始化BP网络TrainBP(x, y);//训练BPTestBP();//测试BPreturn 1;
}
c语言程序运行结果:
很明显,对于输入的矩阵完美判别(受到训练集合大小和图像像素的影响,对于不规则输入有很大误差)
3.训练集合太小,所以我又研究了下matlab手写输入画板,在matlab下新建图形界面,传送门:http://blog.sina.com.cn/s/blog_86a4e34a0102vxra.html,参考了这个代码。
matlab手写画板.m文件几个重要函数在传送门直接可以用,使用效果如下:
这是打开的matlab手写输入板,自己写的1,保存为bmp图像,保存按钮的代码如下:(传送门没有)
% --- Executes on button press in pushbutton2.
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton2 (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
h=getframe(handles.axes1);
imwrite(h.cdata,'output.bmp','bmp');
cla(handles.axes1);
4.对于保存的图像生成二进制,matlab代码如下:
clc;
clear;
filename = 'output.bmp'; %读出源文件
imfinfo(filename) % 查看图像文件信息
imgRgb = imread(filename); % 读入一幅彩色图像
imshow(imgRgb); % 显示彩色图像 imgGray = rgb2gray(imgRgb); % 转为灰度图像
figure % 打开一个新的窗口显示灰度图像
imshow(imgGray); % 显示转化后的灰度图像
% imwrite(imgGray, 'gray.jpg'); % 将灰度图像保存到图像文件 thresh = graythresh(imgGray); %自动确定二值化阈值
I = im2bw(imgGray,thresh); %对图像二值化
ci=imresize(I,[16,16]); %把ai转成256x256的大小
ti =~ci;%对图像取反
figure
imshow(ti)%画取反后的图
figure
imshow(ci)%画压缩后的二进制
figure
imshow(I); %画二进制图
结果如下:
左到右依次为原图、灰度图、压缩后的二进制图,原本二进制图,我们需要的数据就存储在二进制图的数组里面16*16大小,可以弄大一点,这样对于输入的判断会更准。
本文缺陷:1.c语言中读入训练集合和测试集合应改为文件流操作,这样对于大量数据文件的训练和测试会很方便,matlab 生成图像文件和二进制文件可以直接改为文件操作,时间有限感兴趣的可以基于我的demo改,希望能共同学习共同进步!!!
结束语:c语言实现只是我测试的一个东西,我的目的是用ASIC集成电路实现,下一步将在fpga使用verilog语言实现这个手写输入识别!敬请关注!
文中多有瑕疵和漏洞,欢迎指教!
简单BP神经网络分类手写数字识别0-9相关推荐
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 小生不才:tensorflow实战01-基于bp神经网络的手写数字识别
前言 利用搭建网络八股,使用简单的bp神经网络完成手写数字的识别. 搭建过程 导入相应的包 获取数据集,划分数据集和测试集并进行简单处理(归一化等) 对数据进行乱序处理 定义网络结构 选择网络优化器以 ...
- BP神经网络(手写数字识别)
1实验环境 实验环境:CPU i7-3770@3.40GHz,内存8G,windows10 64位操作系统 实现语言:python 实验数据:Mnist数据集 程序使用的数据库是mnist手写数字数据 ...
- matlab实现BP神经网络minst手写数字识别
按照模式分类课本写的代码,如有错误欢迎指正! main.m %程序运行可能会需要3-5分钟的时间,请耐心等待. clear; %已对lms.mat进行随机打乱,并将Y由标量化为[1,10]矩阵形成da ...
- 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
- 自定义工具类:导入工具类测试
- QT的foreach用法
- 安卓第一行代码第3版pdf_SPECFEM2D用户手册——第3章 网格生成——3.1 如何使用SPECFEM2D...
- 增强火山图,要不要试一下?
- java jersey client,如何在Jersey-Client Java中实现重试机制
- 1004 C语言设置测试数据个数和测试结束标志
- ompparticles.cpp:(.text+0x322): undefined reference to `omp_set_num_threads'
- 在ruby使用终端启用外部程序
- Dynamo和Bigtable对比研究
- php 公用方法,Laravel配置全局公共函数的方法步骤
- excel筛选排序从小到大_EXCEL表格数据从小到大-Excel如何从小到大排列顺序
- spark的三种部署模式
- G - Numbers ZOJ - 3987 (大数+贪心)
- 部分 VIII. A10 Networks
- 2007年简历版本。
- 成功的软件工程师共有的10个习惯和技能
- cisp题库700道(带答案)
- VMware安装虚拟机出现Operating System not found 解决方案
- 电商系统-优惠券部分设计
- kaggle之识别谷歌街景图片中的字母