MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。
MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。
CNN卷积神经网络中mnist-uint8
读取MNIST数据集中图像数据文件和图像标签文件并转化成BMP图片和txt格式的标签数据。本程序简单易用，注释清楚。直接运行代码，选择相应文件即可输出BMP图片或txt文件。
卷积神经网络（CNN）分类数字0到9，数据集选用mnist数据集
压缩文件是CNN卷积神经网络图像处理的数据库mnist_uint8.mat
Fashion_MNIST数据集。这是其中的训练集。后面还要测试集。
只含一层卷积层的CNN也可以将手写数字识别的正确率达到99%
MNIST手写体数字识别，卷积神经网络，tensorflow环境
mnist_train_100.csv
有mnist提供的手写数字训练集，每条数据的第一项是数字的正确结果，后784项是28*28手写图片的像素值，使用放在程序目录下
手写数字集 MNIST 使用matlab处理后得到的mnist_uint8.mat数据。 数据为uint8类型的图像像素数据，包含train_x,train_y,test_x,test_y, 每项都是一行向量的方式存储的。
由mnist提供的手写数字测试集，每条数据的第一项是数字的正确结果，后784项是28*28手写图片的像素值，使用时应放在程序目录下
在MATLAB中读取MNIST数据集，MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生...
mnist手写体数据库，适合用于做手写数字方面的实验
本图集包含了3000个28*28的数字，可以用于数字的图像识别
使用CNN网络对mnist数据集进行训练
李沐深度学习softmax
CNN-mnist自制算法，使用卷积神经网络进行计算，准确率99.2
利用CNN识别手体，手体识别，采用MNIST数据集
用CNN识别MNIST数据集，test集正确率98.3%
采用典型的BP算法实现了基于MNIST的手写数字识别采用输入层、隐含层和输出层的三层结构，实现了BP算法下的神经网络。用7000个样本进行自洽检验，正确率99.79 。
caffe-windows mnist 测试用数据集，此数据集用于mnist训练时的测试数据集
使用PCA算法分析MNIST 手写字符训练样本。 结果分别生成以2、5、10个PCA主成分的重构图像以及10个主成分特征向量的对应图像。
hebrew characters in mnist format
带drop out 的mnist 的dnn ，准确率百分之90
BP网络实现手写字体识别。压缩文件包含mnist数据集，直接在pycharm运行BPNetwork.py文件，输出测试集识别结果和测试精度。
mnist 数据集的 CNN 算法，还有一些其他的关于mnist的分类算法。
CNN训练数据-手写体MATLAB mnist_uint8.mat.的二进制格式的mnist数据集转化成了.mat的格式 但是官网下载的.mat格式的均为 6000×784,60000×10,10000×784,10000×10
MNIST手写体识别，编程语言为matlab
MNIST数据集是一个手写体数据集，这个数据集由四部分组成，分别是一个训练图片集，一个训练标签集，一个测试图片集，一个测试标签集；我们可以看出这个其实并不是普通的文本文件或是图片文件，而是一个压缩文件，...