基于神经网络的图像数字识别

基于神经网络的图像数字识别

数据可视化

load('ex3data1.mat');
m = size(X, 1);
>> rand_indices = randperm(m);%将数字随机打乱
sel=X(rand_indices(1:100),:);
displayData(sel);
load('ex3weights.mat');  %导入参数值
pred = predict(Theta1, Theta2, X);
mean(double(pred == y)) * 100

前向传播算法函数

function p = predict(Theta1, Theta2, X)
%PREDICT Predict the label of an input given a trained neural network
%   p = PREDICT(Theta1, Theta2, X) outputs the predicted label of X given the
%   trained weights of a neural network (Theta1, Theta2)

% Useful values
m = size(X, 1);

% 对p进行初始化
p = zeros(size(X, 1), 1);

% p是一个包含1到10的向量
% 注意max函数的用法
%

%构造设计矩阵并进行第一层运算
z1 = [ones(size(X,1), 1), X] * Theta1';
%利用sigmoid函数得到隐藏层的激活值
a2 = sigmoid(z1);
%构造隐藏层的设计矩阵并进行第二层运算
z2 = [ones(size(a2,1), 1), a2] * Theta2';
%利用sigmoid函数得到输出层的值
a3 = sigmoid(z2);


%取出最大值与对应的标签
[probability, p] = max(a3, [], 2);

end

数据监测代码

rp = randperm(m);
for i = 1:m
    % Display 
    fprintf('\n导入图片\n');
    displayData(X(rp(i), :));

    pred = predict(Theta1, Theta2, X(rp(i),:));
    fprintf('\n神经网络预测: %d\n', pred);
    
    % Pause with quit option
    s = input('输入q结束进程:','s');
    if s == 'q'
      break
    end
end