1. 影象作為輸入時的訓練

之前我們處理的輸入都是一些標量，比如房子的面積、臥室數量、腫瘤的體積等等，但在實際工程應用中，很多輸入比這複雜許多，比如說影象。

在此次程式設計作業中用到了手寫資料集，每個影象都是$20\times20$，共有5000張圖片，在實際操作時，所有圖片都是以向量形式輸入的，$20\times20$的圖片就變成一個400維的向量，而所用的引數也就是401個（加上$\theta_0$），也就是說，每個引數對應一個畫素——$h_\theta(\theta_0x_0+\theta_1x_1+\theta_2x_2+...\theta_{400}x_{400})$

2. 關於神經網路中Hidden Layer在程式設計時的注意事項

這是我在程式設計作業中犯的一個錯誤，在輸入傳遞給Hidden Layer時，得用sigmoid函式將輸入的線性組合轉化為(0,1)之間的數。

X = [ones(size(X,1),1) X];
A_2 = sigmoid(X*Theta1');
A_2 = [ones(size(A_2,1),1) A_2];
[values, p] = max(A_2*Theta2',[],2);

第二行將輸入層$a^{(1)}$

3. Matlab中max()函式的用法

在作業中用到了max()函式，這裡列出兩個比較好用的功能： 1.

 [values, indexs] = max(A)      #返回矩陣A中每一列最大的值給values，每個值在該列的位置給indexes

例：

A = [1 2 3;6 5 4];
[values indexes] = max(A)

返回：

values =

     6     5     4
indexes =

     2     2     2

 [values, indexs] = max(A, [], 2)      #返回矩陣A中每一行最大的值給values，每個值在該行的位置給indexes
 

例：

A = [1 2 3;6 5 4];
[values indexes] = max(A, [], 2)

輸出：

values =

     3
     6


indexes =

     3
     1