手写数字识别：运用单层感知器与前馈神经网络的mnist-digit-classification

MNIST数据集 分为训练集，验证集和测试集。 这三个集合中的每一个都包含两个长度相等的向量： 一组数字，写为长度为784的向量。数据集中的数字形状为28x28像素，并表示为向量。 矩阵中的每个像素的值都在0到1之间，其中0表示白色，1表示黑色，而0到1之间的值是灰色阴影。 第一个向量中每个元素的标签：0到9之间的数字，表示图像中的数字。 单层感知器 分类算法基于10个感知器。 这10个感知器中的每一个都经过训练以对仅代表一位数字的图像进行分类。 例如，第一个感知器将被训练为输出数字0的值1和每隔一个数字的值0。 在成功地训练了每个感知器之后，输入将被馈送到每个感知器，并且班级将由净输入最大的感知器给出。 结果 经过10次迭代，我在测试集上的准确性为87.69％，学习率为0.1。 前馈网络（多层感知器） 3层： 输入：784个神经元 隐藏：100个神经元 输出：10个神经元 激活