手撸bp神经网络实现手写数字识别,仅使用numpy完成,适合深度学习入门玩家,60000个训练数据训练时间半分钟,测试集正确率96%+
2025/3/2 9:29:47 13.04MB 深度学习 神经网络
1
这是用MATLAB实现的联机手写数字识别
1
matlab实现的BP神经网络,用于手写数字识别,非常实用,可以直接运行看结果
2024/12/16 8:16:41 149KB matlab 神经网络 数字识别
1
mnist手写数字识别matlab
2024/11/28 11:51:29 102.78MB 深度学习
1
手写数字识别项目文件,pytorch工具编写
2024/11/11 12:18:22 36.56MB 深度学习 图像分类 人工智能 pytorch
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
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
共 81 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