![](https://iknow-base.cdn.bcebos.com/lxb/notice.png)
*5.+最常用的训练神经网络的算法是
1个回答
关注
![](https://wyw-base.cdn.bcebos.com/pc-content/follow.gif)
展开全部
您好,很高兴为您解答,*5.+最常用的训练神经网络的算法是1.BP神经网络是最基本、最常用的神经网络,Matlab有专用函数来建立、训练它2.主要就是newff()、train()、sim()这三个函数,当然其他如归一化函数mapminmax()、其他net的参数设定(lr、goal等)设置好,就可以通过对历史数据的学习进行预测。
咨询记录 · 回答于2023-01-10
*5.+最常用的训练神经网络的算法是
您好,很高兴为您解答,*5.+最常用的训练神经网络的算法是1.BP神经网络是最基本、最常用的神经网络,Matlab有专用函数来建立、训练它2.主要就是newff()、train()、sim()这三个函数,当然其他如归一化函数mapminmax()、其他net的参数设定(lr、goal等)设置好,就可以通过对历史数据的学习进行预测。
设计一个神经网络,用于识别手写阿拉伯数字。手写数字是灰度图像,分辨率是128*128,那么神经网络的输入层有个节点,输出层有个节点。
您好,很高兴为您解答,clear al1;正在生成输入向量和目标向量,请梢等…for kk=e:99p1=ones(16,16);mestrcat(int2str(kk),'.bmp');x=imread(m,'bmp');bweim2bw(x,e.5);[i,j]=find(bw==e);iminemin(i);imax=max(i);jminemin(J);jmax=max();bwl=bw(imin:imax,jmin:jmax);rate=16/max(size(bwl));bwleimresize(bwl,rate); [i,j]=size(bwl);i1=round((16-1)/2);j1=round((16-j)/2);p1(11+1:11+i,j1+1:j1+j)=bw1;p1=-1.*p1+ones(16,16);%以图象数据形成神经网络轮入向量for m=e:15p(m*16+1:(m+1)*16,kk+1)=p1(1:16,m+1);endX形成神经网络目标向量switch kkcase(e,10,2e,30,4e,50,6e,70,80,90)t(kk+1)=e;case(1,11,21,31,41,51,61,71,81,91)t(kk+1)=1;case(2,12,22,32,42,52,62,72,82,92)t(kk+1)=2;case(3,13,23,33,43,53,63,73,83,93}t(kk+1)=3;case(4,14,24,34,44,54,64,74,84,94)t(kk+1)=4;case(5,15,25,35,45,55,65,75,85,95}t(kk+1)=5;case(6,16,26,36,46,56,66,76,86,96)t(kk+1)=6;case(7,17,27,37,47,57,67,77,87,97}t(kk+1)=7;case{8,18,28,36,48,58,68,78,88,98}t(kk+1)=8;case[9,19,29,39,49,59,69,79,89,99}t(kk+1)=9;endend
看不懂
save ES2PT p t;‘轴入向量和目标向量生成结束!’2.图像预处理,数取效字图像向素值为e(黑)的最大矩形区城,将该区城的图像经过交换,成为16*16的二值图像。然后将该二值图像进行反色处丑XExanples2Trclear al1;load E52PT p t;%创速BP网络pr(1:256,1)=e;pr(1:256,1)=e;pr(1:256,2)=1;netanewff(pr,[251],('logsig' 'purelin'},'traingdx','learngan');%设置训练参效和训练Bp网络net.trainParam.epochs=2500;net.trainParan.goal=e.901;net.trainParam.show=10;net.trainParam.lrwe.e5;net=train(net,p,t);%存储训练后的BP网络save E52net net;3.构遣BP神经网络。输入结点数为16*16w256,隐层传输函数为sigmoid数(logsig),一个输出结点,输出传输函数为pureline(purelin),隐XExamples2Simclear all;p(1,256,1)=1;p1=ones(16,16);load E52net net;test=input('Please input a test inage:','s');xeimread(test, 'bmp');bw=im2bw(×,0.5);
[1,j]=find(bwm=e);iminemin(i);imax=max(i);jminwnin(J);jmax=max(J);bwl=bw(imin:imax,jmin:jmax);rate=16/nax(size(bu1));bwl=imresize(bw1,rate);[1,j]=size(bw1);11=round((16-1)/2);j1=round((16-j)/2);p1(11+1:i1+i,j1+1:j1+j)=bw1;p1=-1."p1+ones(16,16);for m=8:15p(m*16+1:(m+1)*16,1)=p1(1:16,m+1);end[a,Pf,Af]wsin(net,p);imshow(p1);a=round(a)
按照BP神经网络设计方法选用两层BP网络,构造训练样本集,并构成训练所需的输入矢量和目标向量,通过画图工具,获得数字原始图像,载取图像像素为0的最大矩形区域,经过集合变换,变成16“16的二值图像Q,再进行反色处理,其图像数据特征提取为神经网络的输入向量,通过实验证实,BP神经网络应用于手写数字识别具有较高的识别率和可靠性。
24个节点,输出层有4个节点。
您好,很高兴为您解答,请用文字描述清楚哦
您好,很高兴为您解答,scanf和printf