CNNdigitrecognize
所属分类：人工智能/神经网络/深度学习
开发工具：matlab
文件大小：11817KB
下载次数：329
上传日期：2016-03-29 10:42:32
上 传 者：
cake0626
说明： CNN卷积神经网络数字识别代码，运行后有很友好的识别界面
(CNN convolution neural network digital identification code, after running very friendly recognition interface)
文件列表:
CNN数字识别 (0, 2016-03-29)
CNN数字识别\CNN卷积神经网络数字识别.zip (6051040, 2015-12-30)
CNN数字识别\数字识别 (0, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别 (0, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn (0, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\adapt_dw.m (3820, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\calchx.m (5080, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\calcje.m (5911, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\calcMCR.m (679, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\check_finit_dif.m (2250, 2013-03-11)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\cnn.m (7147, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\cnn_size.m (942, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\cutrain.m (7120, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\init.m (3840, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\sim.m (2936, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\subsasgn.m (8998, 2013-03-11)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\subsref.m (1616, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\@cnn\train.m (6741, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\back_conv2.m (480, 2014-12-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\back_subsample.m (922, 2014-12-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\cnet.mat (570755, 2010-02-08)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\cnet_tool.m (20961, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\cnn2singlestruct.m (919, 2014-12-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\cnn_gui.fig (9952, 2010-01-05)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\cnn_gui.m (6651, 2014-12-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\cucalcMCR.m (509, 2014-12-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\cutrain_cnn.m (4018, 2014-12-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit (0, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test (0, 2014-12-28)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\441.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\442.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\443.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\444.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\445.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\446.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\447.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\448.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\449.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\450.bmp (174, 2013-03-25)
CNN数字识别\数字识别\CNN—卷积神经网络数字识别\digit\test\451.bmp (174, 2013-03-25)
... ...
一、运行cnet_tool。你会看到一个简单的GUI。它从cet.mat
加载pretrained cnet的卷积神经网络和识别图像的或从MNIST下载数据库。
二、如果你要培训，应该打开train_cnn.m,
设置下面的所有参数后开始学习运行。
1、创建cnn对象。
2、设置层数(层数、权量、训练参数,等等)。
3、调用init方法。
4、定义层的连接矩阵,如果必要的话。
5、负荷训练数据。
6、训练数据进行预处理。
7、开始训练。
8、测试神经网络。
近期下载者：
相关文件：
收藏者：