深度學習在這些年是非常熱門的話題，特別是在計算機視覺應用方面，也許你會在新聞上有所耳聞并感到好奇。那么現在的問題是，該如何入手？今天帶來一篇人工神經網絡的快速入門教程。

MNIST 數據集

我們當中有許多人想在一個具體的例子中開始入手。那我就寫一個手把手快速教程，我們用一個常用的?MINIST 手寫數字數據集作為例子以使教程比較直觀的、易理解。Kaggle 剛好也在數字識別教程中使用這個數據集。你需要從?“Get the Data”?頁面中下載這些數據集：

train.csv – 訓練數據

test.csv – 測試數據

當你已經將上述文件下載到當前文件夾時，將訓練數據和測試數據都加載進 MATLAB，測試數據用于生成你的提交。

tr = csvread('train.csv', 1, 0); % 讀文件 train.csv

sub = csvread('test.csv', 1, 0); % 讀文件 test.csv

第一列是數據集中每個樣本字符的正確標簽，每行一個樣本。剩余的列中，每行表示一個28×28的手寫字符的圖像，所有像素都放在一行中，而不是原本的矩陣格式。如果要使字符可視化，我們需要將這些行重新組織成28×28的矩陣。?reshape?操作是按列進行的，所以除非你需要對數據進行轉置，否則可以用?reshape?函數實現這字符的可視化。

figure

% 繪制圖像

colormap(gray)

% 設置為灰度圖

for i = 1:25

% 查看前25個樣本

subplot(5,5,i)

% 在6 x 6的格子中繪制

digit = reshape(tr(i, 2:end), [28,28])'; % 行數據 = 28 x 28 的圖像

imagesc(digit)

% 顯示圖像

title(num2str(tr(i, 1)))

% 顯示標簽

end

準備數據

你可以使用神經網絡工具箱中的模式識別應用nprtool?。這個應用需要兩個數據集：

輸入 – 一個數值矩陣，列表示樣本，行表示特征。該數據集是手寫字符的掃描圖像；

目標 – 一個0和1的數值矩陣，映射到圖像代表的特定標簽。該數據集中的值也被稱為虛擬變量。神經網絡工具箱中希望標簽被保存成列而不是行。

標簽的取值范圍是0到9，但由于MTLAB中的下表是從1開始的，所以我們可以用“10”表示“0”。

1 --> [1; 0; 0; 0; 0; 0; 0; 0; 0; 0]

2 --> [0; 1; 0; 0; 0; 0; 0; 0; 0; 0]

3 --> [0; 0; 1; 0; 0; 0; 0; 0; 0; 0]

:

0 --> [0; 0; 0; 0; 0; 0; 0; 0; 0; 1]

數據集中的樣本是按列保存而不是按行保存的，所以你需要對數據進行轉置。然后，你需要將數據集分割，保留1/3的數據用作模型評估，僅用2/3的數據來訓練我們的人工神經網絡模型。

n = size(tr, 1);

% 數據集中的樣本數量

targets = tr(:,1);

% 第一列是 |標簽|

targets(targets == 0) = 10;

% 用'10' 表示'0'

targetsd = dummyvar(targets);

% 將標簽轉化為虛擬變量

inputs = tr(:,2:end);

% 剩余的列為預測量

inputs = inputs';

% 轉置輸入矩陣

targets = targets';

% 轉置目標矩陣

targetsd = targetsd';

% 轉置虛擬變量

rng(1);

% 消除隨機數列的再現性

c = cvpartition(n,'Holdout',n/3); % 保留1/3的數據集

Xtrain = inputs(:, training(c)); % 輸入集的2/3用于訓練

Ytrain = targetsd(:, training(c)); % 目標集的2/3用于訓練

Xtest = inputs(:, test(c));

% 輸入集的1/3用于測試

Ytest = targets(test(c));

% 目標集的1/3用于測試

Ytestd = targetsd(:, test(c));

% 虛擬變量的1/3用于測試

使用神經網絡工具箱中的圖形界面應用(GUI APP)

你可以通過鍵入命令?nnstart?來打開神經網絡的啟動圖形界面。

進入啟動界面后，可以通過單擊模式識別工具來打開神經網絡模式識別工具。你也可以通過命令?nprtool?來直接打開它。

單擊歡迎頁面上的“Next”(下一步)，進入“Select Data”(數據選擇)界面。

選擇Xtrain作為輸入，Ytrain為訓練目標。

總結

以上是生活随笔為你收集整理的人工神经网络matlab啊6,MATLAB人工神经网络教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。