单层感知器神经网络在MATLAB中的代码-卷积神经网络用于字符识别(CNN)，并对比了MNIST数据库中的感知器和卷积神经网络...

简介：
对于涉及庞大数据集进行的机器学习任务，神经网络（NNs）的应用已经变得非常普遍。如同其他机器学习方法一样，神经网络的工作原理是通过利用训练集来识别数据中的底层结构，该训练集通过提供解决方案或标签来指导学习过程。随后，通常会评估方法的准确性，有时会通过在测试集中进行盲测来进一步改进。测试集中的标签被隐藏起来，用于验证预测结果的准确性。本文将探讨几种神经网络拓扑结构（包括2层和多层卷积神经网络）在执行手写体检测方面的应用，这些拓扑结构将基于手写字符和带有标签的数字数据库。 直到最近，可供构建神经网络的大型带标签数据集相对稀缺，这通常需要成千上万甚至更多的图像或测量数据。MNIST数据集（由美国国家标准技术研究所提供）就是一个典型的半裸数据集，它包含42000个手写数字的小图像（每个图像为28x28像素），并附有相应的标签。本文将采用预先包装的7层MATLAB代码来实现这一目标。