关键词爱站网关键词挖掘工具,上海品牌策划公司有哪些,传媒网站设计公司,哈尔滨市建设安全网站小y最近非常忙#xff0c;这一年来#xff0c;活很多#xff0c;一直在加班、出差#xff0c;也没好好休息过。最近在武汉出差一个多月了#xff0c;项目逐渐完结#xff0c;有点闲时间了#xff0c;回首望#xff0c;这一年设定的很多目标都没完成。 还记得#xff0…小y最近非常忙这一年来活很多一直在加班、出差也没好好休息过。最近在武汉出差一个多月了项目逐渐完结有点闲时间了回首望这一年设定的很多目标都没完成。 还记得我想写一篇用matlab识别车牌的程序讲解但是一直没做。今天想着怎么得都要啃一下这个硬骨头。因为我要是一直不写一直不敢面对这个问题也就会一直不学习那怎么才能进步呢正如怪鸽说我们遇到什么困难也不要怕微笑的面对他消除恐惧的最好办法就是面对恐惧。 图像识别我想用的技术含有BP神经网络技术、图像提取特征值、图像分割技术但是这些技术还没到家今天在酒店研究BP神经网络的用法。 我对BP神经网络的理解如下 用一组已知的数据走向去推断另外一组数据的走向。 我的想法就是图像都有特征向量比如数字1会有数字1的特征向量这个特征向量经过一系列数学运算一定可以成为一个标准的参照车牌的数字1的特征向量一定会相符模板的。 接下来我讲讲我是如何学习神经网络的 怎么说呢我看资料很多神经网络上来都是一堆不知道干什么的数组让一个很久没接触数学的人直接看的话会很难受数据莫名其妙结论也莫名奇妙。 我考虑了下很多人给出的模型根本看不懂毕竟隔行如隔山嘛。那么机智的小y想到了如果我用一个简单的数学模型去分析的话这样结论大家也能猜到也会进行调优优化。 怎么选模型难住了小y突然想到平抛不就是个最简单的模型吗把平抛简化后不就是抛物线模型吗对称轴是y轴的二次函数。对就用他摒弃资料的模型直接创新 首先使用二次函数获得所需要的数据 在matlab中 在矩阵运算中x乘法需要加.
使用newff创建一个前馈反向传播网络 newff可以传三个值如下所示 net newff(P,T,S) P的通俗理解可以认为是输入向量T的通俗理解为通过某种映射法则获得的输出向量。S是隐藏层的大小。如图标红所示 后期大家自己玩可以调节试试。 哈现在开始训练自己创建的神经网络使用train函数 训练时会弹出类似于这样的一个对话框 太数学了后期慢慢研究。 然后我们看看实验结果使用sim函数 net1是我们训练后的神经网络那么A呢A就是我们的输入向量这里A取值 这个时候我们希望A的输出应该是100 ~ 0 ~ 100的一个值使用plot函数画出他的形状 这里面预测的值的结果用o去表示然后运行程序。
-5 ~ 0 ~ 5 的值是已知的落在线上符合我的理解o是预测值当x轴为-10时预测值约在98符合预测当x轴为10时对应的预测值约在99左右已经不符合预期了。看来需要调优。 观察几个性能参数 性能如下 训练状态如下 回归如下 使用了3层隐藏层。 后记经过资料查阅得知隐藏层并不是越多越好也需要按实际的情况去测试。而且每次运行的结果也会不同需要多多测试然后将自己的网络保存。 如果newff函数不做任何参数时他的激活函数长成这样 更换激活函数
加入了logsig参数后其变成了这样 调参后网络图如下图所示
train函数
这里写下补充
newff
newffP、T、S、TF、BTF、BLF、PF、IPF、OPF、DDF采用可选输入 TFi——第i层的传递函数。默认为“tansig” 隐藏层输出层为“purelin”。 BTF-Backrop网络训练功能默认为“trainlm”。 BLF-Backrop权重/偏差学习函数默认值“learngdm”。 PF-性能函数默认值“mse”。 IPF—输入处理函数的行单元阵列。 默认值为“fixunknowns”、“mconsntrows”、“apminmax”。 输出处理函数的行单元阵列。 默认值为‘emconsntrows’‘apminmax’。 DDF—数据划分功能默认为“divideerand” 并返回一个N层前馈反向网络。
train 训练浅层神经网络 此函数训练一个浅层神经网络。对于使用卷积或 LSTM 神经网络的深度学习。 [trainedNet,tr] train(net,X,T,Xi,Ai,EW,Name,Value) 输入参数 net - 输入网络 network 对象 X - 网络输入 矩阵 | 元胞数组 | 合成数据 | gpuArray T - 网络目标 零 (默认值) | 矩阵 | 元胞数组 | 合成数据 | gpuArray Xi - 初始输入延迟条件 零 (默认值) | 元胞数组 | 矩阵 Ai - 初始层延迟条件 零 (默认值) | 元胞数组 | 矩阵 EW - 误差权重元胞数组 名称-值参数 useParallel - 用于指定并行计算的选项 ‘no’ (默认值) | ‘yes’ useGPU - 用于指定 GPU 计算的选项 ‘no’ (默认值) | ‘yes’ | ‘only’ showResources - 用于显示资源的选项 ‘no’ (默认值) | ‘yes’ reduction - 减少内存使用量 1 (默认值) | 正整数 CheckpointFile - 检查点文件 ‘’ (默认值) | 字符向量 CheckpointDelay - 检查点延迟 60 (默认值) | 非负整数 输出参数 trainedNet - 经过训练的网络 network 对象 tr - 训练记录结构体 源代码下载路径如下
https://download.csdn.net/download/qq_43161960/88577292?spm1001.2014.3001.5503
