在這篇文章中，主要闡述在MATLAB環境下利用神經網絡對輸入的數字圖像進行識別。我們利用一個5*5的矩陣來表示1-5的數據，如下圖所示：

基于以上問題，我們構建的神經網絡輸入層的神經元個數為25個，即5*5矩陣中每個元素作為輸入。神經網絡的輸出層神經元的個數為5個，主要用于識別1-5中的數字。在輸出層的激活函數使用Softmax函數。隱含層的神經元個數我們可以設置為50個并利用Sigmoid作為激活函數。神經網絡結構如下圖所示：

Matlab程序如下：

神經網絡的構建

對構造好的神經網絡進行訓練

得出結果為：

在訓練過程中，輸入X的對應的矩陣的數值為數字圖像1-5的像素，例如：

訓練過后，我們測試一下神經網絡的識別功能。我們輸入如下圖形，測試神經網絡是否能夠正確識別1-5的數字。

測試程序：

運行后可以得出結果：

可以看出圖像為4的概率為94.6%

圖像為2的概率為94.16%

圖像3顯示數字為3的概率為99.52%

可以看出圖像2和圖像3只有一個像素不同，但神經網絡可以非常好的區別圖中顯示的數值。

總結

以上是生活随笔為你收集整理的matlab 数字识别_在MATLAB中利用神经网络进行分类的全部內容，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。