用matlab来进行数字识别可以用神经网络的方法,但是也可以用模板匹配的方法
2024/11/5 8:08:07 1.86MB 数字识别
1
针对opencv入门的同学,本程序使用模板匹配的方法,实现了图片中数字的自动识别,包括有划痕和有噪点的图片识别。
2024/10/31 12:15:01 28.16MB opencv 数字识别
1
基于Fisher准则实现手写数字识别的matlab实现及课程报告)
2024/10/8 5:33:43 610KB Fisher 数字识别 matlab
1
基于卷积神经网络的手写数字识别,工具使用Google的人工智能TensorFlow库,识别准确率高,代码使用python3.0以上版本
2024/10/5 4:20:30 5KB 数字识别 CNN
1
KNN编写的书写数字识别。
MNIST手写数字库。
用到tf函数下载MNIST库,需要安装TensorFlow。
如果没有安装,需要手动导入数据。
2024/10/1 6:23:46 11.06MB KNN MNIST TensorFlow
1
手写数字识别,使用神经网络实现,包含实现的源代码和数据集。
2024/9/29 12:21:42 18.89MB 手写数字识别 神经网络 机器学习
1
使用BP算法的神经网络手写体数字识别,使用Python语言编写,包含四个文件:训练模块,测试模块,图像显示模块还有一个最简单的神经网络模型。
希望对大家有帮助。
(更改了上一版的一点注释错误)
2024/9/24 22:07:17 3KB Python 神经网络 BP算法
1
迭代50次,动量调节值0.5,隐层数量50,学习率0.3以及训练数据集选取40000,每类2000
2024/9/22 7:38:39 11.57MB 识别 感知机
1
基于tensorflow的安卓手写数字识别源码及apk文件,使用前请阅读文件说明
2024/9/13 15:37:04 187.04MB Android python tensorflow
1
此程序用于手写数字、字母识别系统,能向数据库存储数字,并识别。
2024/9/12 22:12:35 13.17MB 手写数字
1
共 165 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡