神经网络识别手写数字含数据和代码，只要有matlab就可以运行

matlab 手动搭建一个单隐层神经网络用于识别手写数字，实现:标准化数据集，计算损失函数，梯度下降法，反向传播，加深对神经网络的理解。

function [J grad] = CostFunction（theta_params input_layer_size hidden_layer_size class_num X y lambda）

Theta_input = reshape（theta_params（1:hidden_layer_size * （input_layer_size + 1）） hidden_layer_size （input_layer_size + 1））;
Theta_hidden = reshape（theta_params（（1 + （hidden_layer_size * （input_layer_size + 1）））:end） class_num （hidden_layer_size + 1））;
m = size（X 1）;                              %  获取样本长度
J = 0;                                       %  初始化损失能量为0
input_grad = zeros（size（Theta_input））;       %  初始化输入层参数
hidden_grad = zeros（size（Theta_hidden））;     %  初始化隐藏层参数

%-----------------------------one-hot处理-----------------------------------
% 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]
% 4 = [0 0 0 1 0 0 0 0 0 0]
% 5 = [0 0 0 0 1 0 0 0 0 0]
% 6 = [0 0 0 0 0 1 0 0 0 0]
% 7 = [0 0 0 0 0 0 1 0 0 0]
% 8 = [0 0 0 0 0 0 0 1 0 0]
% 9 = [0 0 0 0 0 0 0 0 1 0]
% 0 = [0 0 0 0 0 0 0 0 0 1]
%--------------------------------------------------------------------------
Y=[];
E = eye（class_num）;
for i=1:class_num
    index = find（y==i）;
    Y（index:） = repmat（E（i:）size（index1）1）;
end
%--------------------------------------------------------------------------

%--------------------------------计算前向传输--------------------------------
X = [ones（m 1） X];
hidden_return = sigmoid（X * Theta_input‘）;                % 第二层（隐藏层）激活函数输出
hidden_return = [ones（m 1） hidden_return];          %
output = sigmoid（hidden_return * Theta_hidden‘）;% 输出层激活函数输出

temp1 = [zeros（size（Theta_input1）1） Theta_input（:2:end）];   % 常数项不参与正则化
temp2 = [zeros（size（Theta_hidden1）1） Theta_hidden（:2:end）];   % 常数项不参与正则化
temp1 = sum（temp1 .^2）; temp2 = sum（temp2 .^2）;      % 计算每个参数的平方和
cost = Y .* log（output） + （1 - Y ） .* log（ （1 - output））;           % 计算损失成本函数值
J = -1 / m * sum（cost（:）） + lambda/（2*m） * （ sum（temp1（:））+ sum（temp2（:）） ）;

delta_1 = zeros（size（Theta_input））;
delta_2 = zeros（size（Theta_hidden））;

for t = 1:m
    inputdata = X（t:）‘;                                   % 获取像素值
    hidden_input = Theta_input * inputdata;                % 计算隐藏层输入值
    hidden_output = sigmoid（hidden_input）;                 % 计算隐藏层输出值
    hidden_output = [1 ; hidden_output];                   % 隐藏层增加常数项
    output_input = Theta_hidden * hidden_output;           % 计算输出层输入值
    output_output = sigmoid（output_input）;                 % 计算输出层输出值
    err_output = zeros（class_num1）;                       % 构建输出层误差
%     for k = 1:class_num
%         err_output（k） = output_output（k） - （y（t） == k）;    % 每类别输出层误差
%     end
    err_output=output_output-Y（t:）‘;
    hidden_err = Theta_hidden‘ * err_output;                % 隐藏层误差
    hidden_err = hidden_err（2:end） .* sigmoidGradient（hidden_input）; % 隐藏层误差
    delta_2 = delta_2 + err_output * hidden_output‘;
    delta_1 = delta_1 + hidden_err * inputdata‘;
end
Theta_input_temp = [zeros（size（Theta_input1）1） Theta_input（:2:end）];
Theta_hidden_temp = [zeros（size（Theta_hidden1）1） Theta_hidden（:2:end）];
in

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       6148  2017-12-21 09:52  Neural Networks\.DS_Store

     文件       3408  2018-01-20 15:54  Neural Networks\CostFunction.m

     文件       2753  2018-01-20 23:21  Neural Networks\CostFunctionEx.m

     文件   18453870  2017-12-21 09:52  Neural Networks\datas\Data.mat

     文件    7511764  2017-12-21 09:52  Neural Networks\datas\MNIST.mat

     文件       3727  2017-12-21 09:52  Neural Networks\fmin_theta.m

     文件       1540  2018-01-20 23:23  Neural Networks\main.m

     文件        943  2018-01-20 23:01  Neural Networks\mainEx.m

     文件       2942  2017-12-21 09:52  Neural Networks\my-image\2.jpeg

     文件       3226  2017-12-21 09:52  Neural Networks\my-image\5.jpeg

     文件       2079  2017-12-21 09:52  Neural Networks\my-image\7.jpeg

     文件        646  2017-12-21 09:52  Neural Networks\num2test.m

     文件        423  2017-12-21 09:59  Neural Networks\online_test.m

     文件        793  2017-12-21 09:52  Neural Networks\plotnumData.m

     文件        585  2017-12-21 09:52  Neural Networks\predict.m

     文件        114  2018-01-18 21:06  Neural Networks\randWeights.m

     文件        183  2018-01-18 21:12  Neural Networks\randWeightsEx.m

     文件         56  2017-12-21 09:52  Neural Networks\sigmoid.m

     文件         92  2017-12-21 09:52  Neural Networks\sigmoidGradient.m

     目录          0  2017-12-21 09:52  Neural Networks\datas

     目录          0  2017-12-21 09:52  Neural Networks\my-image

     目录          0  2018-01-20 23:30  Neural Networks

----------- ---------  ---------- -----  ----

             25995292                    22