示例在MATLAB中的实现（示例在MATLAB中的实现）
示例在MATLAB中的实现（示例在MATLAB中的实现）运行结果如下：卷积的MATLAB程序如下：输入图像为28*28像素，经过卷积层后，输出图像为20*20*10，经过池化层后，输出为10*10*20。MATLAB测试程序如下：
在深度学习的神经网络中，MINIST示例可以说是入门级的一个尝试。下图显示了手写数字0-9，我们要训练深度学习网络，使得它能很好的辨识手写的0-9个数字。
上图中，每个图片为28*28像素的黑白图像。我们用10000个数据来进行训练，其中8000个数据用来训练，2000个数据用来测试。
对于这样的一个问题，我们首先来设计神经网络。神经网络的输入层是28*28像素的黑白照片，因此输入层的神经元个数为784（28*28）。我们用一个单层的卷积层，该卷积层包含了20个9*9的卷积核。卷积层的输出经过ReLU函数到池化层。池化层为2*2的平均池化的矩阵。池化层的输出到一个全连接的的神经网络层，该神经网络有一个隐藏层（100个神经元）。该隐藏层的激活函数为ReLU。全连接神经输出层有10个神经元用来区分0-9的数字。输出层使用Softmax激活函数。该卷积神经网络的结构如下：
在这个神经网络中一共需要训练三个权重参数，即W1，W5和W0。W1是卷积层卷积核的参数，W5和W0是传统神经网络的权重参数。
卷积的MATLAB程序如下：
输入图像为28*28像素，经过卷积层后，输出图像为20*20*10，经过池化层后，输出为10*10*20。
MATLAB测试程序如下：
运行结果如下：
