7个实战项目带你应用神经网络
神经网络(neural network)是深度学习中一种非常重要的模型，关于神经网络更详细的介绍呢，这里就不介绍了，可以自行搜索了解。文章主要整理了7个神经网络的实战项目，相信对神经网络学习者会有所帮助~
【神经网络实现手写字符识别系统】
该项目最终将基于BP神经网络实现一个手写字符识别系统，系统会在服务器启动时自动读入训练好的神经网络文件，如果文件不存在，则读入数据集开始训练，用户可以通过在html页面上手写数字发送给服务器来得到识别结果。
效果图：
【使用卷积神经网络进行图片分类】
卷积神经网络特别适合于处理图像相关问题，该项目一边讲解卷积神经网络原理，一边带你动手使用caffe深度学习框架进行图片分类。
项目列表：
【使用 Python 实现深度神经网络】
该项目手把手教你使用 Python 实现一个深度神经网络，让你在实际动手的过程中理解深度学习的一些基本原理，带你真正入门深度学习。
项目列表：
【神经网络实现人脸识别任务】
该项目利用基于无监督学习的自编码器对人脸数据进行特征提取，进行图片降维，利用降维后的结果作为有监督学习分类器的输入，最终利用一个三层神经网络实现人脸识别的任务。
效果图：
【基于无监督学习的自编码器实现】
万事开头难，在机器学习里在真正开始训练跑算法之前，都需要进行数据预处理，我们需要人工的或“启发式”地去处理数据，提取特征，数据预处理的效果对后续训练过程很关键。该项目介绍一种基于无监督学习神经网络数据降维的一种应用——自联想存储器。
效果图：
【自联想器的 Python 实现】
该项目介绍人工神经网络中的生物神经元，及突触间隙的学习过程。最终将实现基于hebb规则的自联想存储器。由于自联想存储器具有降低噪声，与去除不同输入间的干扰功能，在测试阶段我们将输入有噪音或遮挡的数字图片查看联想结果。
训练集：
测试结果：
【深度学习初探——入门DL主流框架】
通过8个实验，带领同学们入门TensorFlow、Theano、Keras 及 Caffe 几个主流的深度学习框架，通过项目实践使同学了解如何利用这些框架搭建自己的深度学习神经网络。
课程将基于每个框架的官方文档，先带大家熟悉框架中基本的定义语法及常用函数（可看成深度模型的小零件），并在每个实验内容的最后都会综合这些零件搭建一个简易的神经深度网络模型。十分适合具有一定python编程基础，对人工智能、深度学习感兴趣的同学。
项目列表：
最后：
以上就是7个关于神经网络的项目教程，感兴趣的可以点击课程详细查看完整教程进行学习~
更多实战项目点击这里进行查看~
