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
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了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,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含685字,纯文字阅读大概需要1分钟。
内容图文
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);
内容总结
以上是互联网集市为您收集整理的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全部内容,希望文章能够帮你解决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所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。