注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Handwritten-Text-Recognition-and-Translation-System-源码

  2. 项目说明 该项目是一个脱机手写文本识别（HTR）系统，可将扫描图像中包含的印地语字符或英语单词转换为数字文本，并在网页中显示输出。除了转录外，还使用python API将文本从北印度语译成英语，反之亦然。 为了完成上述转录任务，使用了两个主要方法：直接对单词进行分类和字符分割。 对于前者，卷积神经网络（CNN）与各种体系结构一起使用，可以训练可以准确分类单词的模型。对于后者，使用长短期记忆网络（LSTM）进行卷积以构造每个字符的边界框。然后将分割后的字符传递到CNN进行分类，然后根据分类和分割的

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：2097152
    • 提供者：weixin_42119866

  1. make-neural-net-homework:训练营的一项家庭作业。我使用Tensorflow和Keras构建了一个神经网络-源码

  2. 在本实验中，您将使用在Keras中构建的神经网络创建对竞赛的提交。 从Kaggle： MNIST（“国家标准技术研究院”）是计算机视觉的事实上的“ hello world”数据集。自从1999年发布以来，这个经典的手写图像数据集已成为基准分类算法的基础。随着新的机器学习技术的出现，MNIST仍然是研究人员和学习者的可靠资源。 在这场比赛中，您的目标是从数万个手写图像的数据集中正确识别数字。我们策划了一系列教程风格的内核，涵盖了从回归到神经网络的所有内容。我们鼓励您尝试不同的算法，以第一手学习什

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：14680064
    • 提供者：weixin_42132359

  1. neurony:人工神经网络识别手写数字-源码

  2. 该项目是通过引导的。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看它。 如果您进行编辑，则页面将重新加载。 您还将在控制台中看到任何棉绒错误。 npm test 在交互式监视模式下启动测试运行器。 有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 生成被最小化，并且文件名包括哈希值。 您的应用已准备好进行部署！

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：267264
    • 提供者：weixin_42163404

  1. normalperson:一个神经网络，用于识别使用basicNN库制作的手写数字-源码

  2. 普通人 描述 一个神经网络，用于识别使用basicNN编写的手写数字。 使用MNIST数据集进行训练。 由2个分别具有300 HU和100 HU的隐藏层组成。 MNIST训练和测试集以csv文件的形式出现。 为了使训练和测试文件更快，更有效，需要事先对数据进行腌制，而功能人员希望它采用这种格式。 将数据腌制为60个样本的批次。 测验 测试功能有点非常规。 它向用户提示要选择的测试批次，然后提示要测试的批次中的特定样品。 完成后，模型将预测该数字并在控制台中显示它的预测，然后实际图像将显示给用户

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：30408704
    • 提供者：weixin_42131728

  1. nmist_recognition:基于神经网络的手写数字识别项目-源码

  2. 手写数字识别 类型： Handwritten numbers recognition project 方法： Neural Network 框架： Pytorch 要求 matplotlib==3.3.2 numpy==1.17.4 torch==1.8.0 torchvision==0.9.0 方法 卷积神经网络-CNN 全连接前馈网络

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：34603008
    • 提供者：weixin_42181319

  1. 带神经网络的手写数字识别：实现神经网络的反向传播算法，并将其应用于手写数字识别的任务-源码

  2. 神经网络手写数字识别 吴安德（Andrew Ng）在Coursera上的机器学习课程中的编程作业4。 课程信息可以在这里找到。 该编程练习实现了神经网络的反向传播算法，并将其应用于手写数字识别的任务。 这套包括： ex4.mlx-逐步执行练习的MATLAB Live脚本 ex4.pdf-此练习的信息 ex4data1.mat-手写数字训练集 ex4weights.mat-练习4的神经网络参数 Submit.m-将您的解决方案发送到我们的服务器的提交脚本 displayData.m-帮助可

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：7340032
    • 提供者：weixin_42126749

  1. 课堂教学：使用卷积神经网络通过图像分类演示将人工智能引入新生-源码

  2. 手写数字识别 版权所有2020 The MathWorks，Inc. 介绍 该示例代码已与金泽理工大学合作使用卷积神经网络对图像分类进行了开发。 使用使用App Designer构建的原始可视化应用程序，学生可以在学习和体验实用技术的同时，可视化神经网络的训练过程，以使用自己的手写字母来提高其准确性。 工作流程 步骤1：准备资料 步骤1-1 [讲师]打印工作表（template.pdf）并将其提供给每个学生。 [学生]如下在打印的工作表上写0-9位数字。 步骤1-2 [讲师]扫描每个学生

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：1048576
    • 提供者：weixin_42134038

  1. 手写数字识别器：在Python和MATLAB中从零开始的神经网络使用Octave识别手写数字可达到83％的测试准确度，二手的Numpy，熊猫-源码

  2. 手写数字识别器 使用Python和MATLAB / Octave从零开始的神经网络识别手写数字，达到了83％的测试准确度，二手的Numpy，熊猫

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：4096
    • 提供者：weixin_42099858

  1. neuro_net：用于从mnist数据库中识别手写数字的工作进度神经网络-源码

  2. neuro_net：用于从mnist数据库中识别手写数字的工作进度神经网络

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：2048
    • 提供者：weixin_42160278

  1. DCGAN：深入了解卷积生成对抗网络-源码

  2. DCGAN DCGAN是深度卷积生成对抗网络。 DCGAN由彼此相对的两个神经网络组成。 生成器神经网络学习创建看起来真实的图像，而鉴别器学习识别伪造的图像。 随着时间的流逝，图像开始越来越像训练输入。 图像以随机噪声开始，并且随着时间的推移越来越类似于手写数字。 下面的gif显示了100个训练纪元： [1] Goodfellow，Ian等。 “生成对抗网络。” 神经信息处理系统的进步。 2014.（全文： : ） [2] Radford，Alec，Luke Metz和Soumith

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：2097152
    • 提供者：weixin_42127754

  1. 手写数字识别：使用卷积神经网络的手写数字识别-源码

  2. 手写数字识别 使用卷积神经网络的手写数字识别 使用Keras和MNIST数据集完成 建筑学： Layer (type) Output Shape Param # ================================================================= conv2d_239 (Conv2D) (None, 26, 26, 32) 320 ___

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：4096
    • 提供者：weixin_42127835

  1. 手写识别：识别手写数字的神经网络-源码

  2. 手写识别 识别手写数字的神经网络

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：2048
    • 提供者：weixin_42134097

  1. MNIST手写数字识别-源码

  2. MNIST手写数字识别 我将在PyTorch中构建一个简单的神经网络，并训练它使用MNIST数据集来识别手写数字。 在MNIST数据集上训练分类器可以被视为图像识别的世界。 创建神经网络的步骤如下： 搭建环境 准备数据集 建立网络 训练模型 评估模型的性能 附言：MNIST包含70,000张手写数字图像：60,000张用于培训，10,000张用于测试。 图像为灰度级，28x28像素，并居中以减少预处理并更快地开始。

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：8192
    • 提供者：weixin_42116791

  1. 使用NN的数字识别测试：借助正向传播算法，可以非常准确地识别手写数字-源码

  2. NN数字识别测试 问题描述 使用神经网络识别手写数字。 数据集 此处使用的数据集取自Andrew NG机器学习课程。 该数据集有5000个示例，并且还包含训练后的参数值。 使用的算法 sigmod 正向传播算法 结果 最终结果的总体准确度为95.5％，可以极大地检测出正确的值。

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：7340032
    • 提供者：weixin_42127937

  1. Digit_Recognition_Web_App：使用CNN模型在Keras的MNIST数据集上训练的手写数字识别应用程序。 使用的技能是Tensorflow，HTML，CSS，javascript-源码

  2. Digit_Recognition_Web_App 链接： : 应用程序的结构 keras-> Tensorflow.js->（html + css + javascr ipt）-> github页面 你好，物体识别世界！ 目标： 通过在keras中可用的MNIST数据集上训练模型，使卷积神经网络能够识别手写数字。 MNIST数据集： 训练数据集包含60000张图像，测试数据包含10000张图像。每个图像为28x28像素和灰度。 CNN模型概述： is这是一个具

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：1048576
    • 提供者：weixin_42136365

  1. mnist-flask：一种Flask网络应用，用于使用机器学习进行手写数字识别-源码

  2. MNIST Flask应用程序 Web应用程序，用于使用卷积神经网络进行手写数字识别。 使用Keras 在的MNIST数据集上训练了该模型。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：8388608
    • 提供者：weixin_42112894

  1. digit-recognizer-flask-cnn：一个简单的Flask应用程序，可以识别手写数字。 使用TensorFlow和Keras开发-源码

  2. 数位识别器烧瓶 一个可以识别手写数字的简单Web应用程序。 使用和超级简单的库开发。 使用 Micro Framework包装到Webapp中。 卷积神经网络（CNN）是一种受动物视觉皮层组织启发的神经网络。 它用于大多数图像识别任务。 使用MNIST手写数字数据集训练了该模型。 要在本地运行，请首先克隆目录。 git clone https://github.com/moinudeen/digit-recognizer-flask-cnn.git 接下来cd进入目录。 cd dig

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：4194304
    • 提供者：weixin_42128963

  1. 神经网络介绍-源码

  2. 机器学习和神经网络简介 由带给您。 由创建和展示。 目录 介绍 总览 该研讨会有四个目标： 向您介绍机器学习的广阔而美好的领域。 解释简单神经网络背后的理论，简单神经网络是目前最流行的机器学习算法之一。 完成一个有趣的神经网络挑战：编写一个可以识别手写数字的神经网络。 向您介绍各种资源以供进一步学习。 先决条件 你会需要： Python 3 文字编辑器 我们还将在以后下载这些库： 除了：为什么要使用Python？ Python是一种非常强大的解释语言，具有许多有用的机器学习和可

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：6291456
    • 提供者：weixin_42099936

  1. 数字识别：该项目的目的是将手写数字作为输入，对数字进行处理，使用处理后的数据训练神经网络算法，以识别模式并成功识别测试数字。 流行的MNIST数据集用于培训和测试目的。 使用的IDE是MATLAB-源码

  2. 数字识别：该项目的目的是将手写数字作为输入，对数字进行处理，使用处理后的数据训练神经网络算法，以识别模式并成功识别测试数字。 流行的MNIST数据集用于培训和测试目的。 使用的IDE是MATLAB

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：48234496
    • 提供者：weixin_42130786

  1. Python3初学者的机器学习：为机器学习的入门者提供多种基于实例的sklearn，TensorFlow以及自编函数（AnFany）的ML算法程序-源码

  2. Python3初学者机器学习 为机器学习的入门者提供多种基于实例的sklearn，TensorFlow以及自编函数（AnFany）的ML算法程序。只要数据格式和示例的中的一样，程序可灵活调用。 入门篇 线性回归（Linear Regression） 实例： 逻辑回归（Logistic Regression） 实例： Softmax回归（Softmax回归） 实例： Kmeans ++群集（K均值++聚类） 实例： 初级篇 理论推导 实例 北京市Pm2.5预测 成年人收入分类和Mnist手写数字识

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：30408704
    • 提供者：weixin_42138703
« 12 »