matlab调用神经网络工具箱实现神经网络以手写数字识别为例

最新推荐文章于 2022-06-17 21:12:38 发布

lrlrlr睿

最新推荐文章于 2022-06-17 21:12:38 发布

阅读量669

点赞数 1

文章标签： matlab 神经网络

本文链接：https://blog.csdn.net/qq_41519666/article/details/115345252

版权

该博客介绍了如何利用MATLAB的神经网络工具箱进行手写数字识别。通过加载训练数据，将0-9的数字转换为向量，然后设置网络结构，选择正切和线性激活函数，并应用共轭梯度法进行训练。经过200次迭代和精度目标设置，最终完成训练并评估了训练集的准确性。

摘要由CSDN通过智能技术生成

matlab调用神经网络工具箱实现神经网络示例

以下是调用神经网络工具箱实现手写数字识别的代码

intput=400;
hidden=50;
output=10;
% Load Training Data

load('data.mat');

m = size(X, 1);
X=X';


% convert y（0-9） to vector
c = 1:output;
yt = zeros(output,m); 
for i = 1:m
    yt(:,i) = (c==y(i));   
end    



P=X;%神经网络输入
T=yt;%神经网络输出目标
%定义神经网络，采用正切和线性激活函数，采用powell-beale共轭梯度法
net=newff(P,T,[50],{'tansig' 'purelin'} ,'traincgb');


net.trainParam.epochs=200;%迭代200次
net.trainParam.goal=1e-5;

[net,tr]=train(net,P,T);%训练网络
yp=sim(net,X);%仿真预测
yp=yp';

[d, p] = max(yp, [], 2);%返回最大值索引

fprintf('\nTrainning Set Accuracy: %f\n', mean(double(p == y)) * 100);