matlab编程进行神经网络进行手写数字识别

运用matlab编程进行神经网络进行手写数字识别。

实验过程：
一、BP神经网络
神经网络是由很多神经元组成，可以分为输入，输出，隐含层。
BP神经网络的特点：信号前向传递，信号反向传播。若输出存在误差，根据误差调整权值和阈值，使网络的输出接近预期。
在用BP神经网络进行预测之前要训练网络训练过程如下：
1.网络初始化：各个参数的确定包括输入，输出，隐含层的节点数，输入和隐含，隐含和输出层之间的权值，隐含，输出层的阈值，学习速度和激励函数。
2.计算隐含层输出
3.计算输出层输出
4.误差计算
5.权值更新
6.阈值更新
7.判断迭代是否结束

二、模型建立
数据集介绍：
数据集包含0-9这10个数字的手写体。是放在10个文件夹里，文件夹的名称对应存放的手写数字图片的数字，每个数字500张,每张图片的像素统一为28*28。

识别流程：
首先要对数据进行处理，这个主要是批量读取图片和特征提取的过程，特征提取的方法很多，这里只挑选最简单的来实现，然后是训练出一个神经网络的模型，最后用测试数据进行测试。为了方面，这里的神经网络的创建，训练和测试采用matlab函数来实现。

运行流程：
1.确定神经网络的输入，输出。
输入是BP神经网络很重要的方面，输入的数据是手写字符经过预处理和特征提取后的数据。预处理有二值化，裁剪掉空白的区域，然后再统一大小为7050为特征提取做准备。特征提取采用的是粗网格特征提取，把图像分成35个区域，每个