Deeplearning Toolbox中CNN代码的修改--增加下采样层偏置

    前几天学习了Deeplearning Toolbox中关于CNN的那部分代码，发现这个Toolbox的关于CNN的实现与经典的LeNet-5的实现有下面几点不同： 

1. 在下采样层，在计算前一层的神经元之和后没有使用到偏置；
2. 在下采样层，在计算前一层的神经元之和后没有使用到系数；
3. 在下采样层，没有使用Sigmoid函数进行激活

    因此，在学习了CNN的代码后，就要进行修改了。

    在Toolbox中，CNN主要有四个部分组成，cnnsetup.m用于设置CNN的结构和初始化参数，cnnff用于计算前向过程，cnnbp用于计算各层的delta和每一个参数的梯度，cnnapplaygrads使用梯度下降算法计算更新每一个参数。

    因此，每添加一个参数或者添加激活函数，都需要在相应的修改者四个文件中的部分。主要步骤如下：