【文件属性】：
文件名称：隐含层单元数的选择-easyarm-imx28硬件手册
文件大小：5.37MB
文件格式：PDF
更新时间：2021-06-07 15:30:28
图像识别
4.1 问题的提出
在神经网络进行图像识别之前，首先要对图像进行预处理。图像的预处理包
括:1）真彩色图像转换为灰度图；2）灰度图像的旋转、放大；3)灰度图像的归一
化。图像的预处理和神经网络的训练仿真使用 MATLAB,由于 MATLAB 中有图像
处理工具箱和神经网络工具箱，当在实验中通过适当的网络结构、层次以及学习
算法达到识别要求时，再通过软件或者硬件具体实现。在实验中，针对图像不同
的形态，不同的大小，形成一个输入矩阵，我们将这个矩阵作为神经网络的输入，
过规定互异的输出，训练网络的权值，从而使网络能记住不同大小形态的目标。
4.2 BP 神经网络的设计
在进行 BP 网络分类器的设计时，一般应从输入层的设计、隐层的设计、输出
层的设计、网络的初始化、训练算法的选择、训练样本数的选择、学习速率的选
择等几个方面来进行考虑。
1、输入层的设计
输入层单元数可以根据需要求解的问题和数据所表示的方式类确定。如果输入
为图像，则输入可以用处理后的图像特征空间的维数，也可以用图像的象素数来
确定其神经单元数。在本文中输入层的单元数为图像的象素数，我们统一将图像
样本尺寸缩放到 16×16 大小，所以网络的输入需要 256 维。
2、隐含层的设计
(l)隐含层的数目
理论上己经证明:具有至少一个 S 型隐含层加上一个线性输出层的网络，能够
逼近任何有理函数。这实际上已经给了我们一个基本的设计 BP 网络的原则。增加
隐含层神经元数目可更进一步降低误差，提高精度，但同时也使网络复杂化，增
加了网络权值的训练时间。而误差精度的提高也可以通过增加隐含层中的神经元
数目来获得，其训练效果也比增加隐含层数更容易观察和调整。所以，在一般情
况下，应先考虑增加隐含层中的神经元数量，在单隐层不能满足要求时，可以考
虑增加隐层数目。
(2)隐含层单元数的选择
对于隐含层的节点数，没有什么硬性的规定，一般说来，隐含层神经元的数目
越多，BP 网络也就越精确，训练时间也越长。但要注意的是，隐含层神经元不易
选取太多，否则会造成识别率的急剧下降，也会降低网络的抗噪能力。BP 网络隐
含层单元的输入输出之间是单调上升的非线性函数，要求隐含层单元数必须是一
个合理的数目。隐含层单元数太少可能不能训练出网络来，或者不能提取出样本