识别0-9十个数字，BP神经网络数字识别源代码使用说明第一步：训练网络。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。
2024/3/24 15:29:46
59KB
1
DOC2vec，是为一群用来产生词向量的相关模型。
这些模型为浅而双层的神经网络，用来训练以重新建构语言学之词文本。
这些模型为浅而双层的神经网络，用来训练以重新建构语言学之词文本。
2024/3/23 19:28:01
39.11MB
1
智能控制是未来工业控制的发展方向，而PID结构简单，基于模糊神经网络的自适应PID智能控制器能够提高控制系统的稳定性和快速性。
2024/3/20 20:29:02
290KB
1
神经网络设计第二版pdf,NeuralNetworkDesign(2ndEdition)英语原版，2014年出版，MartinT.HaganOklahomaStateUniversityStillwater,OklahomaHowardB.DemuthUniversityofColoradoBoulder,ColoradoMarkHudsonBealeMHBInc.Hayden,IdahoOrlandoDeJesúsConsultantFrisco,Texas
2024/3/20 4:16:08
10.84MB
1
常规PID模糊PID神经网络PID控制效果比较-success.rar最近做毕设，题目是智能励磁，做了个模糊PID和神经网络PID励磁控制，说白了，和励磁没任何关系，就是对一个三阶模型进行控制，现在与大家分享下。
其中常规PID和模糊PID是用仿真实现的，而神经网络PID是用编程实现的。
现已附上GUI和mdl文件。
其中常规PID和模糊PID是用仿真实现的，而神经网络PID是用编程实现的。
现已附上GUI和mdl文件。
2024/3/20 2:03:26
358KB
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