Contents

input_layer_size  = 400;  % 20x20 Input Images of Digits
hidden_layer_size = 25;   % 25 hidden units
num_labels = 10;          % 10 labels, from 1 to 10

load('ex4data1.mat');

initial_Theta1 = randInitializeWeights(input_layer_size, hidden_layer_size);
initial_Theta2 = randInitializeWeights(hidden_layer_size, num_labels);
initial_nn_params = [initial_Theta1(:) ; initial_Theta2(:)];

options = optimset('MaxIter', 400);

lambda = 1;

costFunction = @(p) nnCostFunction(p,input_layer_size, hidden_layer_size, num_labels, X, y, lambda);
[nn_params, cost] = fmincg(costFunction, initial_nn_params, options);

Theta1 = reshape(nn_params(1:hidden_layer_size * (input_layer_size + 1)),hidden_layer_size, (input_layer_size + 1));
Theta2 = reshape(nn_params((1 + (hidden_layer_size * (input_layer_size + 1))):end),num_labels, (hidden_layer_size + 1));

pred = predict(Theta1, Theta2, X);

fprintf('\nAz elért pontosság: %2.1f százalék \n', mean(double(pred == y)) * 100);

Az elért pontosság: 99.4 százalék 

Előhívás

peldasorszama=3719;
imshow(reshape(X(peldasorszama,:),20,20))
p=rem(predict(Theta1, Theta2, X(peldasorszama,:)),10);
v=rem(y(peldasorszama),10);
fprintf('A neurális háló tippje: %d, a valóság: %d\n',p,v);

A neurális háló tippje: 7, a valóság: 7

Mit nem talált ki

rosszak=X(pred ~= y,:);
rosszv= y(pred ~= y);
negyzet=5;

hold on
for i=1:negyzet^2
    if i>length(rosszv), break, end
    subplot(negyzet,negyzet, i)
    imshow(reshape(rosszak(i,:),20,20));
    title(strcat(num2str(rem(rosszv(i),10)),' ~= ',num2str(rem(predict(Theta1, Theta2, rosszak(i,:)),10))));
end

rosszsorszam=20;
p2=rem(predict(Theta1, Theta2, rosszak(rosszsorszam,:)),10);
v2=rem(rosszv(rosszsorszam),10);
figure
imshow(reshape(rosszak(rosszsorszam,:),20,20));
fprintf('A neurális háló tippje: %d, a valóság: %d\n',p2,v2);

A neurális háló tippje: 0, a valóság: 7

Published with MATLAB® R2017b