能否提供一份用MATLAB编写的MNIST手写数字识别的详细代码示例？

当然可以。在MATLAB中，实现MNIST手写数字识别通常会涉及卷积神经网络（Convolutional Neural Networks，CNN）的应用。下面是一个简化的示例代码，用于演示如何使用深度学习工具箱进行基本的图像分类任务：

% 加载所需的库和数据
addpath('toolbox'); % 如果你有自定义的CNN函数包
data = load('mnist_dataset.mat'); % 假设你已经下载并加载了MNIST数据

% 数据预处理
X_train = data.train.images;
y_train = data.train.labels;
X_test = data.test.images;
y_test = data.test.labels;

% 归一化像素值到0-1范围
X_train = X_train ./ 255;
X_test = X_test ./ 255;

% 定义CNN模型结构
layers = [
    imageInputLayer([28 28 1]) % 输入层（28x28灰度图像）
    convolution2dLayer(5,20) % 卷积层，大小5，滤波器数量20
    reluLayer % 激活函数（ReLU）
    maxPooling2dLayer(2,'Stride',2) % 最大池化层，窗口大小2，步长2
    fullyConnectedLayer(10) % 全连接层，对应10个类别
    softmaxLayer % 输出层，softmax激活
    classificationLayer % 分类层
];

% 设置训练选项
options = trainingOptions('adam', ... % 使用Adam优化器
    'MiniBatchSize', 64, ... % 批量大小
    'MaxEpochs', 10, ... % 训练轮数
    'ValidationData', {X_test, y_test}, ... % 验证集
    'Verbose', false); % 静默模式

% 训练模型
net = trainNetwork(X_train, y_train, layers, options);

% 测试模型性能
YPred = classify(net, X_test);
accuracy = sum(YPred == y_test) / numel(y_test)
% 显示准确率

%