OpenCVANN神经网络数字识别http://blog.csdn.net/zwhlxl/article/details/46605507交叉训练，特征维度65,网络层数10正确率1.000000交叉训练，特征维度65,网络层数20正确率1.000000交叉训练，特征维度65,网络层数30正确率1.000000交叉训练，特征维度65,网络层数40正确率0.990000
2024/8/15 5:40:57
20.99MB
1
3D MNIST是一个3D数字识别数据，用以识别三维空间中的数字字符，，，3D MNIST是一个3D数字识别数据，用以识别三维空间中的数字字符
2024/8/15 0:37:03
153.94MB
1
卷积神经网络的数字识别训练代码python3.5准确率98%保存模型画板手写测试字体颜色和背景相差大就行字体不能太细有编译代码可以看到数字样本图片
2024/8/14 6:30:24
7KB
1
matlab实现神经网络的数字识别，有训练和识别，和图形界面matlab
2024/7/16 22:49:52
26KB
1
数字识别数据数据格式为01文本约3000条数据，可供算法训练和测试解压密码为1234562020年3月5日23:45:30
2024/6/24 20:52:51
770KB
1
基于K-近邻算法研究手写数字（0-9）的识别问题，本文通过对手写数字的图像进行处理，提取特征向量，使用Python实现了K-近邻算法，并在此基础上开发了一个GUI测试程序。
2024/5/27 0:13:34
88KB
1
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