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：2024-06-27 09:17:08
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