文件名称:用卷积滤波器matlab代码-CNNFromScratch:Matlab中的卷积神经网络
文件大小:17.92MB
文件格式:ZIP
更新时间:2024-06-10 07:06:44
系统开源
用卷积滤波器matlab代码有线电视新闻网 在Matlab中从头开始进行卷积神经网络 为了了解卷积神经网络的工作原理,我们在Matlab中从头开始构建了卷积神经网络,使用准系统矩阵操作实现了这一愿景。 建筑学 我们正在使用MNIST数据集(机器学习的Hello World数据集)来评估我们的CNN。 我们的CNN包括: 卷积层(32个滤镜)-Relu 卷积层(64个滤镜)-Relu 最大池化层 完全连接的层(128个节点)-Relu 完全连接的层(10个节点)-Softmax(稳定版) 使用的损失函数是分类交叉熵。 我们正在使用具有固定学习率和梯度限幅的随机梯度下降算法来训练神经网络。 在小样本上,它提供了令人鼓舞的结果,但是由于我们需要花费很长的时间来训练CNN,因此由于我们正在评估它的性能和准确性,因此目前尚无法评论CNN的有效性,这在很大程度上要归功于代码在某些地方没有进行矢量化处理,因为我们只有CPU可供使用。 在完整的训练集上训练了卷积神经网络后,我们能够在测试集上达到97.58%的准确性。 参考: 为了得出方程式并根据需要对它们进行调整,我们使用了以下参考文献。 (用于
【文件预览】:
CNNFromScratch-master
----maxPooling.m(1KB)
----main.m(4KB)
----Screenshot()
--------trained.jpeg(301KB)
----maxpool_winnner.m(439B)
----mnist.mat(13.62MB)
----clipValue.m(714B)
----backpropagation.txt(518B)
----crossEntropy.m(300B)
----README.md(2KB)
----fullyConnected.m(96B)
----CNN.m(1KB)
----deflatten.m(220B)
----trained_weights()
--------cnn-5dot88accuracy-100samples.mat(431KB)
--------cnn-7error-100samples.mat(2.82MB)
--------cnn-3.74error-60000samples.mat(421KB)
--------cnn-0dot26error-100samples.mat(421KB)
----convolve.m(926B)
----Layer.m(15KB)