Enjolras_fuu的博客

%用于手写数字识别的卷积神经网络：训练和模拟。%这个程序实现了用于MNIST手写数字识别的卷积神经网络，由Yann LeCun创建。 CNN类允许创建自己的卷积神经网络，定义任意结构和参数。%假定MNIST数据库位于“./MNIST”目录中。clear;clc;％将数字加载到工作区[I,labels,I_test,labels_test] = readMNIST(1000);

%关于MNIST手写图像数据库的读取。%输入：%id - 图像的28x28大小单元格数组；%n - 要处理的图像数；%labels - 对应于图像的标签单元格数组；%rand_on - 参数，定义是否需要随机选取一对图像/标签%输出：% I - 训练图像的28x28大小单元阵列%labels - 训练集的标签矢量（真实数字）%I_test - 测试图像的28x28大小单元格数组%l

%这是CNN卷积神经网络类构造函数％输入：％numLayers - 层的总数％numFLayers - 完全连接的层数％numInputs - 输入图像的数量（当前仅支持1个）％InputWidth - 输入图像宽度％InputHeight - 输入图像高度％numOutputs - 输出数％输出：％cnet - 卷积神经网络类对象％语义相当简单：子采样和卷积层是成对的，称为SL

function cnet = init(cnet)%init初始化cnn对象。 它应该在定义网络的所有基本参数之后调用，例如层数，卷积内核，子采样率等。唯一的事情，应该在调用init之后初始化连接矩阵！%% Syntax% % cnet = init(cnet)% % Description% Input:% cnet - 卷积神经网络类对象%

function [pd,labnew] = preproc_data(id,n,labels,rand_on)%preproc_data MNIST手写图像数据库预处理。%% Syntax% % [pd,labnew] = preproc_data(id,n,labels,rand_on)% % Description% Input:% id - 图像