在朋友的强烈建议下，写一篇关于利用CNN卷积神经网络实现基于MATLAB的手写数字识别系统的设计的博客。
一、关于卷积神经网络关于卷积神经网络我写过一篇文章单独介绍，可以参考：手写数字识别问题（3）——详解卷积神经网络LeNet-5，这里就不进行重点介绍了。
二、训练过程、准确率与GUI界面神经网络为卷积神经网络，分别是输入层、卷积层1、激活函数、池化层1、dropoutout层（主要防止过拟合）、卷积层2、激活函数、池化层2、dropoutout层（主要防止过拟合）、全连接层和输出层。 其结构参数如下图所示： 
一次的训练过程如下： 
经过十次训练，测试集准确率为：99.26%，说明该神经网络具有良好的准确率。 
最后搭建GUI界面对数字进行识别： 原始GUI界面： 
识别数字后的GUI界面： 
有需要代码的可以添加微信联系（白嫖党请慎入）（备注：CNN） 如果需要关于图像处理和神经网络方面的毕业设计指导，也可以添加微信（备注：XX毕业设计） 
不过最后提一句，如果你想更轻松掌握深度学习与神经网络，建议还是利用python实现，因为python的编程语法更简洁明了，无论是TensorFlow，pytorch还是Keras。 利用pytorch实现卷积神经网络Lenet-5可参考博客：卷积神经网络LeNet-5的pytorch代码实现
