原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
摘要：手写数字识别是当前机器识别字符研究的一个重要应用。本质上来说，手写数字识别是一种图像识别技术，即对以图像形式存在的字符的特征进行对比分类。对识别结果的衡量指标有识别率与识别速度等，在搭建一个手写数字识别系统时，提高识别率与识别速度是现在的研究重点。随着计算机硬件和卷积神经网络算法的不断发展与进步，手写数字识别也加入了卷积神经网络，使得机器可以在深度学习中逐步提升识别率和识别速度，使得识别的性能远超传统的数字识别。
本文使用Python语言、NumPy拓展库，搭建卷积神经网络模型，使用MNIST数据集进行训练，设计实现一个具有高识别率的手写数字识别系统。首先，使用MNIST数据
文档评论（0）