此项目为使用Java实现的一个BP神经网络，同时使用该神经网络实现了一个手写数字识别系统。 手写数字识别系统的训练数据使用的MNIST数据集，在使用MNIST的测试数据时，识别效果还可以，能达到80%以上的识别准确度， 但当手动输入样本的时候，表现的就差强人意了，有的数字识别的准确度很高，有的就很差，但因为只是一个课程设计，也就没有打算继续优化了。 关于项目具体的实现，和一些BP神经网络的理论可以看[课程设计报告](201733050050 万宇轩 程序设计报告.pdf)
项目下载后，导入IDEA，设置完环境应该就可以直接运行了，项目里面内置了一个已经训练完成的模型，当然也可以在项目路径下的train_model 里面的DigitalModel，对其重新进行参数的调整并进行训练（如果要训练的话，需要将resource下的mnist压缩包先解压，不然无法读取数据），是但因为是CPU运算，还是单线程的，所以训练超慢，跑一遍要一个下午，所以。。。做好心理准备， 但我每1000步就会自动保存一个模型，所以不用担心没跑完，导致没有模型的问题。