用matlab实现神经网络识别数字

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

               

Andrew Ng机器学习第四周的编程练习是用matlab实现一个神经网络对一幅图中的数字进行识别，有待识别的数字全集如下：

其中每一个数字都是一个大小为20*20像素的图像，如果把每个像素作为一个输入单元，那有400个输入。考虑到神经网络还需要增加一个额外输入单元表示偏差，一共有401个输入单元。题目中给的训练数据X是一个5000*400的向量。

题目中要求包含一个25个节点的隐藏层，隐藏层也存在表示偏差的额外输入，所以一共有26个输入。

最终的输出结果是一个10维的向量，分别表示该数字在0-9上面的概率值（由于没有0这个下标位，这里题目中把0标记为10，其余1-9还是对应1-9），找到其中概率最大的就是要识别的结果。

神经网络的结构如下：

从上图可以看到，神经网络中除了输入参数外，还包含Theta1和Theta2两个参数。

其中的Theta1就表示输入层到隐含层中每条边的权重，为25*401的向量。Theta2是隐含层到输出层每条边的权重，为10*26的向量。

为了把数据标准化减少误差，这里要对每一步的输出用sigmoid函数进行处理。

构造好神经网络后，首先是用训练数据进行训练，得出Theta1和Theta2的权重信息，然后就可以预测了。

主要的matlab代码如下：

%% Machine Learning Online Class - Exercise 3 | Part 2: Neural Net