文件名称：fcBpNerualNetwork:全连接bp神经网络
文件大小：17KB
文件格式：ZIP
更新时间：2024-03-30 05:40:49
MATLAB
全连接神经网络 应用 手写数字识别0〜9 使用mnist训练集 训练集为50000张图片 测试集为10000张图片 达到的效果拟合度99.70％，测试集上准确率98.38％ ，在训练了28个epoth获得 算法细节 使用反向传播算法计算梯度dw和db 采用L2正则化 采用随机梯度下降算法 min-batch大小为10 使用fmincg高级优化算法执行渐变下降的单次迭代 数据归一化 参数初始化 生成第l层的w和b，k为第l-1层的神经元个数 使用方差为1 / k的高斯分布生成w，方差为1的高斯分布生成b 这一定幅度加快了训练速度，详细联系作者 对输出层采用softmax层，得到每个类别概率分布的输出 更多测试细节 不同超参数得到的训练结果报告 详细数据报告联系作者 超参数 训练集上拟合度 测试集上准确率 训练的epoth数 未优化的bp神经网络 优化算法改变，将fminunc改成fmincg
【文件预览】：
fcBpNerualNetwork-main
----.gitignore(48B)
----predict.m(343B)
----nnCostAndGradient.m(5KB)
----trainNN.m(7KB)
----calClassifyErrRate.m(381B)
----readTrainData.m(764B)
----unboxWeightsAndBiases.m(520B)
----sigmoid.m(69B)
----backPropagationAlgorithm.m(2KB)
----testErrRate.m(810B)
----readTestData.m(761B)
----showReport.m(1KB)
----showReport2.m(2KB)
----README.md(3KB)
----initailizeWeightsAndBiases.m(766B)
----costOf.m(2KB)
----showAReport.m(120B)
----fmincg.m(9KB)
----sigmoidDerivatives.m(84B)