字符包括汉字，字母，数字和一些符号。
汉字有几千个，字母有几十个，数字的类最少只要10个，所以选择简单的手写数字字符来实现。
结合三个相关的程序和论文，一个是语音特征的分类（不调用神经网络工具箱相关函数实现），另外两个是关于手写数字识别的。
处理的数据集是放在10个文件夹里，文件夹的名称对应存放的手写数字图片的数字，每个数字500张,每张图片的像素统一为28*28
汉字有几千个，字母有几十个，数字的类最少只要10个，所以选择简单的手写数字字符来实现。
结合三个相关的程序和论文，一个是语音特征的分类（不调用神经网络工具箱相关函数实现），另外两个是关于手写数字识别的。
处理的数据集是放在10个文件夹里，文件夹的名称对应存放的手写数字图片的数字，每个数字500张,每张图片的像素统一为28*28
2019/5/1 2:27:01
2.89MB
1
神经元节点的个数，隐藏层的个数，都是可以调理的，Optimer优化器有'SGD','mSGD','nSGD','AdaGrad','RMSProp','nRMSProp','Adam'，激活函数有relu和sigmoid
2018/7/25 3:29:44
14.04MB
1
本项目即拿MFC做了一个画板，画一个数字后可自行识别数字。
有保存图片，清空画板功能，简单实用。
识别方法为SVM，调用已经训练好的MNIST数据集"SVM_DATA.xml"训练方法自行百度，一大堆。
。
。
基于OpenCv2.4.6,下载的朋友自行修改配置为本人使用的OpenCv版本即可。
有保存图片，清空画板功能，简单实用。
识别方法为SVM，调用已经训练好的MNIST数据集"SVM_DATA.xml"训练方法自行百度，一大堆。
。
。
基于OpenCv2.4.6,下载的朋友自行修改配置为本人使用的OpenCv版本即可。
2020/5/12 19:21:26
10.93MB
1
MatlabReadMNIST是用来从train-labels-idx1-ubyte，train-images-idx3-ubyte，t10k-labels-idx1-ubyte，t10k-images-idx3-ubyte中获取数据的（已经获取好了），只需运行ceshi.m就可以了，修改ceshi.m读入的图片就可以识别不同的图片，自己提供输入图片也可以，不过要注意输入图片的大小要是28*28
2021/5/17 21:31:51
32.53MB
1
本程序有三个cpp文件，main.cpp为测试文件；
prepare.cpp为预处理文件；
train_SVM为SVM的训练文件。
概况可参考博客：https://blog.csdn.net/didi_ya/article/details/114362904
prepare.cpp为预处理文件；
train_SVM为SVM的训练文件。
概况可参考博客：https://blog.csdn.net/didi_ya/article/details/114362904
2017/4/3 11:17:07
103.74MB
1
1、Mnist_cnn.py该脚本文件用TensorFlow框架实现CNN卷积神经网络处理Mnist手写数字识别数据集，精确率达到99.21%；
2、Mnist_cnn_tensorboard.py该脚本文件在Mnist_cnn.py的基础上实现可视化。
2、Mnist_cnn_tensorboard.py该脚本文件在Mnist_cnn.py的基础上实现可视化。
2020/1/19 16:26:11
5KB
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