Advanced Sequence Classification Techniques Applied to Online Handwriting Recognition
高识别率的在线手写英文字符识别
2021-10-28 20:11:52
3.93MB
1
用记事本写的最简单的j2ee站点。1个主页+1个web.xml配置文件+2个Servlet Java源码（含编译好的class文件）。这是一份入门级的资源，希望其中的源码和目录结构对刚开始接触J2EE的同学能有所帮助。
2021-10-27 21:03:28
5KB
1
新手写小程序并不简单，这是我的第一次尝试学习到了很多。最近双十一过后，每天不是拿快递就是去拿快递的路上，翻开手机应用里的菜鸟裹裹查看快递是很方便的，当我在微信端搜索菜鸟裹裹小程序时，却没有发现，于是便想自己动手仿app版写一个菜鸟裹裹的小程序，对其中的快递查询物流跟踪很有兴趣。
(此图片来源于网络，如有侵权，请联系删除! )
项目效果预览
(此图片来源于网络，如有侵权，请联系删除! )
项目目录结构
(此图片来源于网络，如有侵权，请联系删除! )
使用的开发工具VScode和 微信开发者工具
平台提供：微信公众品台|小程序，在该品台注册账号获取AppId，使用AppId登入微信开发者工具，开启
2021-10-26 21:29:25
3.29MB
1
针对非限制脱机手写体汉字识别率不高的问题,该文提出了一种级联MQDF改进的二次分类函数)分类器,以提高识别正确率。它是一种基于串行结构的分类器集成算法,并在度量层次对各级分类器结果进行融合。广义置信度被用作评价识别结果好坏的度量。该算法分级构建多个 Gauss模型,实现对样本分布精细的描述,达到提高识别率的目的。该文利用最大似然框架论述了该集成算法的工作原理。用该算法在HCL2000及THOCR-HCD手写体汉字数据库上进行试验,识别错误率分别下降了10. 75％、9.82％和 25. 31％,证明了算法
2021-10-24 18:40:51
262KB
1
NIST手写数字识别问题的单神经元模型实践
按课程案例，动手完成编码实践。
在不改变模型的结构基础上，尝试采用不同的学习率、单批次样本数、训练轮数等超参数，让模型的准确率达到90%。
提交要求：
1、你认为最优的一次带运行结果的源代码文件（.ipynb 格式）
2、作为附件上传
评分标准：
1、完成案例中的代码，有完整的代码，模型能运行，准确率达87%以上；得6分；
2、准确率达89%以上；再得2分，否则得0分；
3、准确率达90%以上；再得2分，否则得0分；
代码：
import tensorflow.compat.v1 as tf
import matplotlib.pyplot as p
2021-10-24 11:42:10
80KB
1