卷积神经网络中二分类的问题研究

卷积神经网络中二分类的问题研究
深度学习中典型的一个模型就是卷积神经网络，利用神经网络对模板进行训练，所用到的模板为手写数字样本数据库mnist_uint8.mat，其中保存了6000个训练样本和10000个测试样本。其中：
train_x为一个60000*784的矩阵，其中784为24*24，即样本图像的分辨率转换成线性的数据表示。在卷积神经网络中，要使用到的是24*24的矩阵进入通道，故在使用之前还要对该矩阵进行重新整形，即使用reshape函数进行。
train_y为一个60000*10的矩阵其中10代表数字一共有10个分类，对应train_x中每一行的分类位置，将该类置为1，比如说，第一个样本为第二类，则在train_y中的第一个样本中的第二类的值置为1，其他九个值为0.
更改分类样本。
将train_y中的数据进行更改，改为两类，train_y中的矩阵有10列，将其中的第一列放到一个两列的矩阵trainy中，trainy的第二列的值根据第一列确定，如果第一列的值为1，则第二列的值为0，如此就改成了两类的问题，即将train_x中所有的样本都改成两类。
更改代码如下：

trainy=zeros(60000,2);
for i=1:60000
    trainy(i,1)=train_y(i,1);
end
for i=1:60000
    if trainy(i,1)==1;
        trainy(i,2)=0;
    else
        trainy(i,2)=1;
    end
end
save trainy;

修改好样本之后将样本加载到代码中，替换之前的样本，运行之后得到结果如下：
一次迭代的错误率为0.0125
五次迭代的错误率为0.0075
十次迭代的错误率为0.0049



本人为初学，欢迎大家批评指正！！