【神经网络模型及其MATLAB仿真程序设计】书上的数字识别问题，紧急求助！

skater_girl

是采用BP神经网络来识别
我照着书把例子敲了一遍，但是训练的时候就是达不到要求的net.trainParam.goal=0.001;
肯定是哪个地方出问题了！

谁来帮帮我啊？谢谢了！！！
源程序过会我发上来。

.
.
.
TRAINGDX, Epoch 1600/2500, MSE 1.05612/0.001, Gradient 0.238026/1e-006
TRAINGDX, Epoch 1610/2500, MSE 1.0558/0.001, Gradient 0.155097/1e-006
TRAINGDX, Epoch 1620/2500, MSE 1.05558/0.001, Gradient 0.0536577/1e-006
TRAINGDX, Epoch 1630/2500, MSE 1.05556/0.001, Gradient 0.00640511/1e-006
TRAINGDX, Epoch 1640/2500, MSE 1.05556/0.001, Gradient 0.00241312/1e-006
TRAINGDX, Epoch 1650/2500, MSE 1.05556/0.001, Gradient 0.0123226/1e-006
TRAINGDX, Epoch 1660/2500, MSE 1.05556/0.001, Gradient 0.00370979/1e-006
TRAINGDX, Epoch 1661/2500, MSE 1.05556/0.001, Gradient 0.00405827/1e-006
TRAINGDX, User stop.

skater_girl

生成目标向量

%Generate_InputP_TargetT

clear all;

'正在生成输入向量和目标向量，请稍等……'

for kk=0:89
    p1=ones(16,16);     %初始化16*16的二值图像像素值（全白）

   
    m=strcat(int2str(kk),'.bmp');    %形成训练样本图像的文件名（0--89.bmp）

   
    x=imread(m,'bmp');      %读入训练样本图像文件
    bw=im2bw(x,0.5);   %将读入的训练样本图像转换为二值图像
    %%图像处理函数详解——im2bw
    %%功能：通过设定亮度将阈值灰度、真彩、索引图像转换为二值图像。
   
    [i,j]=find(bw==0);    %寻找二值图像中像素值为0（黑）的行号和列号

    imin=min(i);    %寻找二值图像中像素值为0（黑）的最小行号
    imax=max(i);    %寻找二值图像中像素值为0（黑）的最大行号
    jmin=min(j);    %寻找二值图像中像素值为0（黑）的最小列号
    jmax=max(j);    %寻找二值图像中像素值为0（黑）的最大列号
   
    bw1=bw(imin:imax,jmin:jmax);    %截取图像像素值为0（黑）的最大矩形区域
    rate=16/max(size(bw1));     %计算截取图像转换为16*16的二值图像的缩放比例
    bw1=imresize(bw1,rate);     %将截取图像转换为16*16的二值图像（由于缩放比例
                                %大多数情况下不为16的倍数，所以可能存在转换误差）
    [i,j]=size(bw1);            %转换图像的大小
    i1=round((16-i)/2);         %计算转换图像与标准16*16的图像的左边界差
    j1=round((16-j)/2);         %计算转换图像与标准16*16的图像的上边界差
    p1(i1+1:i1+i,j1+1:j1+j)=bw1;    %将截取图像转换为标准的16*16的图像
    p1= -1. *p1 + ones(16,16);      %反色处理
    %以图像数据形成神经网络输入向量
    for m=0:15
        p(m*16+1:(m+1)*16,kk+1)=p1(1:16,m+1);
    end
    %形成神经网络目标向量
    switch kk
        case{0,10,20,30,40,50,60,70,80,90}      %数字0  
            t(kk+1)=0;
        case{1,11,21,31,41,51,61,71,81,91}      %数字1
            t(kk+1)=1;
        case{2,12,22,32,42,52,62,72,82,92}      %数字2
            t(kk+1)=2;
        case{3,13,32,33,43,53,63,73,83,93}      %数字3
            t(kk+1)=3;  
        case{4,14,24,34,44,54,64,74,84,94}      %数字4
            t(kk+1)=4;
        case{5,15,25,35,45,55,66,75,85,95}      %数字5
            t(kk+1)=5;
        case{6,16,26,36,46,56,66,76,86,96}      %数字6
            t(kk+1)=6;
        case{7,17,27,37,47,57,67,77,87,97}      %数字7
            t(kk+1)=7;
        case{8,18,28,38,48,58,68,78,88,98}      %数字8
            t(kk+1)=8;
        case{9,19,29,39,49,59,69,79,89,99}      %数字9
            t(kk+1)=9;
    end
end

save E52PT p t;     %存储形成的训练样本集（输入向量和目标向量）
'输入向量和目标向量生成结束！'

skater_girl

%Create_Train_BPNetwork

%构建BP神经网络，并根据训练样本形成的输入矢量和目标矢量，对BP网络进行训练

clear all;
load E52PT p t;     %加载训练样本集（输入向量和目标向量）

%创建BP网络
pr(1:256,1)=0;
pr(1:256,2)=1;
net=newff(pr,[25 1],{'logsig' 'purelin'},'traingdx','learngdm');

%设置训练参数和训练BP网络
net.trainParam.epochs=2500;
net.trainParam.goal=0.001;
net.trainParam.show=10;
net.trainParam.lr=0.05;
net=train(net,p,t);

%存储训练后的BP网络
save E52net net;

skater_girl

%Simulate_BPNetwork

%对BP网络进行仿真，以形成训练样本的方法，形成测试样本原始图像，
%存于不同的‘bmp’文件中，用于测试。

clear all;

p(1:256,1)=1;
p1=ones(16,16);     %初始化16*16的二值图像像素值（全白）
load E52net net;    %加载训练后的BP网络
test=input('Please input a test image:','s');   %提示输入测试样本图像文件名
x=imread(test,'bmp');   %读入测试样本图像
bw=im2bw(x,0.5);    %将读入的训练样本图像转换为二值图像
[i,j]=find(bw==0);  %寻找二值图像中像素值为0的行号和列号
imin=min(i);    %寻找二值图像中像素值为0的最小行号
imax=max(i);    %寻找二值图像中像素值为0的最大行号
jmin=min(j);    %寻找二值图像中像素值为0的最小列号
jmax=max(j);    %寻找二值图像中像素值为0的最大列号
bw1=bw(imin:imax,jmin:jmax);    %截取图像像素值为0的最大矩形区域
rate=16/max(size(bw1)); %计算转换为16*16的二值图像的缩放比例
bw1=imresize(bw1,rate); %将截取图像转换为16*16的二值图像
[i,j]=size(bw1);    %转换图像的大小
i1=round((16-i)/2); %计算转换图像的宽度与16的差距
j1=round((16-j)/2); %计算转换图像的高度与16的差距
p1(i1+1:i1+i,j1+1:j1+j)=bw1;    %将截取图像转换为标准的16*16的图像
p1=-1.*p1+ones(16,16);  %反色处理
for m=0:15
    p(m*16+1:(m+1)*16,1)=p1(1:16,m+1);  %形成测试样本输入向量
end
[a,Pf,Af] = sim(net,p);   %网络仿真
imshow(p1); %显示测试样本图像
a=round(a)  %输出识别结果

skater_girl

就是训练老是出问题，为什么啊？麻烦你们看看，救救小女子吧！
见截图：

lwp6941492

同学,那个bmp文件怎么做的,有现成的没,谢谢.

qi502

这是什么书，这么牛，我在坐这个毕设，能给我发一份不