GUI的数字识别系统

用MATLAB GUI可视化图形设计一个数字识别系统。

function [activation] = feedForwardAutoencoder（theta hiddenSize visibleSize data）

% theta: trained weights from the autoencoder
% visibleSize: the number of input units （probably 64） 
% hiddenSize: the number of hidden units （probably 25） 
% data: Our matrix containing the training data as columns.  So data（:i） is the i-th training example. 
  
% We first convert theta to the （W1 W2 b1 b2） matrix/vector format so that this 
% follows the notation convention of the lecture notes. 

W1 = reshape（theta（1:hiddenSize*visibleSize） hiddenSize visibleSize）;
b1 = theta（2*hiddenSize*visibleSize+1:2*hiddenSize*visibleSize+hiddenSize）;

%% ---------- YOUR CODE HERE --------------------------------------
%  Instructions: Compute the activation of the hidden layer for the Sparse Autoencoder.

activation  = sigmoid（W1*data+repmat（b1[1size（data2）]））;
%-------------------------------------------------------------------

end

%-------------------------------------------------------------------
% Here‘s an implementation of the sigmoid function which you may find useful
% in your computation of the costs and the gradients.  This inputs a （row or
% column） vector （say （z1 z2 z3）） and returns （f（z1） f（z2） f（z3））. 

function sigm = sigmoid（x）
    sigm = 1 ./ （1 + exp（-x））;
end

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

     文件        610  2014-11-05 09:36  GUI数字识别系统\2.jpg

     文件        573  2014-11-05 10:25  GUI数字识别系统\3.jpg

     文件       1296  2014-10-15 11:43  GUI数字识别系统\feedForwardAutoencoder.m

     文件       4728  2014-11-05 08:22  GUI数字识别系统\nmist_softmax.fig

     文件       5408  2014-11-05 10:10  GUI数字识别系统\nmist_softmax.m

     文件    2729032  2014-10-22 10:33  GUI数字识别系统\result2.mat

     目录          0  2014-11-05 11:08  GUI数字识别系统

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

              2741647                    7