matlab神经网络实现数字识别

用matlab神经网络实现数字0-9的识别，包含噪声和斜体的识别，一共用了三种分块方式

% LOGSIG function is used in hidden layer;
% PURELIN function is used in the output layer
function[convergenceave_errmax_errresultvwThres_bThres_c]=bp_logsig_lin（inputsoutputsNum_hidAlphaBetaerrmax_stop）

% Backpropagation Algorithm

% Input arguments:
% inputs - a matrix of dimension （samples x n）
% outputs - a matrix of dimension （samples x q）
% Num_hid - number of hidden units （i.e. p）
% Alpha - learning rate between the output and hidden layer
% Beta - learning rate between the input and hidden layer
% err - error for the stopping criterion
% max_stop - maximum number of iterations

% Output arguments:
% convergence - a vector of dimension 1 x max_stop containing the ave_error at each iteration
% ave_err - average error at the output
% max_err - maximum error at the output
% result - a matrix of dimension （samples x 3）
% The three columns give inputs desired outputs and NN outputs

% First the dimension of the input and output matrices are checked
disp（‘Demo on Backpropagation Algorithm by Dr. G. Pang‘）
[Num_examplesNum_in]=size（inputs）;
[tmpNum_out]=size（outputs）;
if （Num_examples ~= tmp）
disp（‘Number of input-output training examples not the same‘）end

% Initize the convergence vector
convergence = zeros（1max_stop）;

% Initial weights are randomly selectly from [-0.50.5];
% The “rand“ command gives a value between 0 and 1.
k=0.5;
v=rand（Num_inNum_hid）-k*ones（Num_inNum_hid）;
w=rand（Num_hidNum_out）-k*ones（Num_hidNum_out）;
Thres_b =rand（1Num_hid）-k*ones（1Num_hid）;
Thres_c =rand（1Num_out）-k*ones（1Num_out）;

% This is the main loop of the program
iterations = 0; max_err = 1000;

% Continue the WHILE loop ONLY if BOTH criteria are true. That is
% （a） the max_err is larger than the desired max. error amount AND
% （b） the number of interations is still less than the maximum number of iterations
while （max_err >= err & iterations < max_stop）
iterations = iterations + 1;
for N=1:Num_examples
    
% a and ck is the N-th pair of training example
a = inputs（N:）;
ck = outputs（N:）;

% Get all the b‘s （outputs from the hidden layer） LOGSIG function
for i=1:Num_hid
b（1i）=logsig（ a*v（:i）+Thres_b（i））;
end

% Get all the c‘s （outputs from the output layer） PURELIN function
for j=1:Num_out
c（1j） = b*w（:j）+Thres_c（j）;
end

% Compute the error at the outputs （d）
for j=1:Num_out
d（1j） = ck（j）-c（j）;
end

% Computer the e‘s （the errors at the hidden layer relative to each d
for i = 1:Num_hid
e（1i） = b（i）*（1-b（i））*（w（i:）*d‘）;
end

% Adjust the weights between the hidden and output layers
for i = 1:Num_hid
for j = 1:Num_out
w（ij） = w（ij） + Alpha*b（i）*d（j）;
end
end


% Adjust the thresholds at the output layer
for j = 1:Num_out
Thres_c（j） = Thres_c（j） + Alpha*d（j）;
end

% Adjust the weights between the hidden and input layers
for i = 1:Num_in
for j = 1:Num_hid
v（ij） = v（ij） + Beta*a（i）*e（j）;
end
end

% Adjust the thresholds 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        4595  2017-02-24 11:50  bp_logsig_lin.m
     目录           0  2017-01-13 14:38  Class03b ANN assignment\
     目录           0  2017-03-01 22:40  Class03b ANN assignment\numS\
     目录           0  2017-03-01 22:26  Class03b ANN assignment\numSnoise\
     文件         694  2005-09-23 01:03  Class03b ANN assignment\numSnoise\0numSn.bmp
     文件         694  2005-09-25 15:27  Class03b ANN assignment\numSnoise\1numSn.bmp
     文件         694  2005-09-23 01:05  Class03b ANN assignment\numSnoise\2numSn.bmp
     文件         694  2005-09-23 01:06  Class03b ANN assignment\numSnoise\3numSn.bmp
     文件         694  2005-09-23 01:07  Class03b ANN assignment\numSnoise\4numSn.bmp
     文件         694  2005-09-23 01:07  Class03b ANN assignment\numSnoise\5numSn.bmp
     文件         694  2005-09-23 01:08  Class03b ANN assignment\numSnoise\6numSn.bmp
     文件         694  2005-09-23 01:11  Class03b ANN assignment\numSnoise\7numSn.bmp
     文件         694  2005-09-23 01:11  Class03b ANN assignment\numSnoise\8numSn.bmp
     文件         694  2005-09-23 01:02  Class03b ANN assignment\numSnoise\9numSn.bmp
     文件        5601  2017-03-01 15:06  Class03b ANN assignment\numSnoise\A1.mat
     文件        6589  2017-03-01 15:06  Class03b ANN assignment\numSnoise\A2.mat
     文件        8377  2017-03-01 15:06  Class03b ANN assignment\numSnoise\A3.mat
     文件       11562  2017-03-01 15:06  Class03b ANN assignment\numSnoise\A4.mat
     文件       14434  2017-03-01 15:06  Class03b ANN assignment\numSnoise\A5.mat
     文件       23879  2017-03-01 15:06  Class03b ANN assignment\numSnoise\A6.mat
     文件        7057  2017-03-01 15:56  Class03b ANN assignment\numSnoise\Aa1.mat
     文件        9242  2017-03-01 15:56  Class03b ANN assignment\numSnoise\Aa2.mat
     文件       12950  2017-03-01 15:56  Class03b ANN assignment\numSnoise\Aa3.mat
     文件       20411  2017-03-01 15:56  Class03b ANN assignment\numSnoise\Aa4.mat
     文件       27853  2017-03-01 15:56  Class03b ANN assignment\numSnoise\Aa5.mat
     文件       50471  2017-03-01 15:56  Class03b ANN assignment\numSnoise\Aa6.mat
     文件       11429  2017-03-01 22:22  Class03b ANN assignment\numSnoise\C1.mat
     文件       21386  2017-03-01 22:22  Class03b ANN assignment\numSnoise\C2.mat
     文件       36590  2017-03-01 22:22  Class03b ANN assignment\numSnoise\C3.mat
     文件       67607  2017-03-01 22:22  Class03b ANN assignment\numSnoise\C4.mat
     文件       98392  2017-03-01 22:22  Class03b ANN assignment\numSnoise\C5.mat
............此处省略136个文件信息