matlab 数字识别_在MATLAB中利用神经网络进行分类

在这篇文章中，主要阐述在MATLAB环境下利用神经网络对输入的数字图像进行识别。我们利用一个5*5的矩阵来表示1-5的数据，如下图所示：

基于以上问题，我们构建的神经网络输入层的神经元个数为25个，即5*5矩阵中每个元素作为输入。神经网络的输出层神经元的个数为5个，主要用于识别1-5中的数字。在输出层的激活函数使用Softmax函数。隐含层的神经元个数我们可以设置为50个并利用Sigmoid作为激活函数。神经网络结构如下图所示：

Matlab程序如下：

神经网络的构建

对构造好的神经网络进行训练

得出结果为：

在训练过程中，输入X的对应的矩阵的数值为数字图像1-5的像素，例如：

训练过后，我们测试一下神经网络的识别功能。我们输入如下图形，测试神经网络是否能够正确识别1-5的数字。

测试程序：

运行后可以得出结果：

可以看出图像为4的概率为94.6%

图像为2的概率为94.16%

图像3显示数字为3的概率为99.52%

可以看出图像2和图像3只有一个像素不同，但神经网络可以非常好的区别图中显示的数值。