文件名称：matlab圆边界归一化代码-Handwriting-Digit-Recognition---ML:手写数字识别---ML
文件大小：7.35MB
文件格式：ZIP
更新时间：2024-06-16 12:14:21
系统开源
matlab圆边界归一化代码使用人工神经网络进行手写识别 摘要—该项目致力于使用人工神经网络实现和开发手写数字识别算法（反向传播）。 这是使用上述算法解决的分类问题。 总共使用了400个输入层（对应于图像的每个像素）和10个输出层（对应于0至9的每个数字）。 每个隐藏层中的节点数已设置为25。使用Octave-GUI 4.2.1在Matlab上完成相同的实现。 人工神经网络模型训练有5000个不同数字的图像。 该算法可预测英语数字，最大精度为97.8％。 索引词-手写； 人工神经网络; 反向传播； 英文数字； sigmod功能 一，引言 该项目的主要目标是使用人工神经网络实现一种算法，该算法可以正确识别范围为0到9的手写数字。该算法以像素形式给出了手写数字的图像，其作用是正确预测特定图像上的数字。 它使用训练示例的数据集，其中每个图像中均表示为400像素的向量。 可以使用人工神经网络和反向传播算法来训练该数据集，并且可以将获得的结果用于预测图像上的手写数字。 程序代码已实现并用“ Octave”编写。 人工神经网络（ANN）是一种基于生物神经系统（例如我们的大脑）的结构和学习能力的模型
【文件预览】：
Handwriting-Digit-Recognition---ML-master
----README.md(8KB)
----Handwriting Project - Machine Learning()
--------HandWriting.m(4KB)
--------randweight.m(173B)
--------CostFunction.m(2KB)
--------sigmoidGradient.m(94B)
--------predictdigit.m(412B)
--------sigmoid.m(58B)
--------displayData.m(1KB)
--------weights_trained.mat(78KB)
--------weights_untrained.mat(78KB)
--------fmincg.m(9KB)
--------data_set.mat(7.16MB)
--------lib()