UFLDL教程的卷積神經網絡(CNN)實現

UFLDL中介紹了卷積神經網絡，卷積神經網受啓發於動物的視覺神經系統，是將研究大腦獲得的深刻理解成功用於機器學習應用的關鍵例子。最早的一個成功應用是在20世紀90年代，LeCun等人開發的讀取支票的卷積網絡LeNet-5.
卷積神經網是由幾個相互交替的卷積層（convolution layer）和池化層（pooling layer），最後再是一個用作softmax分類的全聯接層構成。其設計的兩個關鍵特性就是部分鏈接和權值共享。
UFLDL的練習與LeNet-5類似，就是對MNIST (Mixed National Institute of Standards and Technology database)手寫數字集進行分類。總共包括0-9共10類數字，每個樣本爲28x28的歸一到[0,1]的圖像。基本的網絡結構如下圖所示：