MATLAB中特定ANN的體系結構

Question

有人可以檢查一下我是否猜出輸入/隱藏/輸出層和總體參數中神經元的正確數量。

我對這個ANN的想法是：

輸入神經元：784（28x28）
隱藏層數：1
隱藏層的大小：25
激活功能：對數乙狀結腸
訓練方法：梯度下降
資料大小：400 + 200

有400個bmp圖像用於訓練它，200個用於檢查（但是100％的比率只能猜測1-50，其他0％的比率...）

clear all;
clc
for kk=1:400
    pl=ones(28,28);                     %³õʼ»¯28*28¶þֵͼÏñΪȫ°×
    m=strcat('b',int2str(kk),'.bmp');   %Á¬½Ó×Ö·ûµÃµ½Ñù±¾ÎļþÃû
    x=imread(m,'bmp');                  %¶ÁÈëÑб¾ÎļþͼÏñ
    pl=im2bw(x,0.5);                    %°ÑÑù±¾Í¼Ïñת»¯Îª¶þֵͼ
    for m=0:27                          %ÐγÉÉñ¾­ÍøÂçÊäÈëÏòÁ¿
        p(m*28+1:(m+1)*28,kk)=pl(1:28,m+1);
    end
end
%ÊÖдÌåÑù±¾¶ÔÓ¦µÄÊý×Ö£¨´Ób1.bmpµ½b400.bmp ¹²400¸ö£©£º
t=[5 0 4 1 9 2 1 3 1 4 3 6 3 6 1 7 2 8 6 9 4 0 9 1 1 2 4 3 2 7 8 8 6 9 0 5 6 0 7......
   6 1 8 7 9 3 9 8 5 9 3 3 0 7 4 9 8 0 9 4 1 4 4 6 0 4 5 6 1 0 0 1 7 1 6 3 0 2 1......
   1 7 8 0 2 6 7 8 3 9 0 4 6 7 4 6 8 0 7 8 3 1 5 7 1 7 1 1 6 3 0 2 9 3 1 1 0 4 9......
   2 0 0 2 0 2 7 1 8 6 4 1 6 3 4 1 9 1 3 3 9 5 4 7 7 4 2 8 5 8 6 0 3 4 6 1 9 9 6......
   0 3 7 2 8 2 9 4 4 6 4 9 7 0 9 2 7 5 1 5 9 1 2 3 1 3 5 9 1 7 6 2 8 2 2 6 0 7 4......
   9 7 8 3 2 1 1 8 3 6 1 0 3 1 0 0 1 1 2 7 3 0 4 6 5 2 6 4 7 1 8 9 9 3 0 7 1 0 2......
   0 3 5 4 6 5 8 6 3 7 5 8 0 9 1 0 3 1 2 2 3 3 6 4 7 5 0 6 2 7 9 8 5 9 2 1 1 4 4......
   5 6 4 1 2 5 3 9 3 9 0 5 9 6 5 7 4 1 3 4 0 4 8 0 4 3 6 8 7 6 0 9 7 5 7 2 1 1 6......
   8 9 4 1 5 2 2 9 0 3 9 6 7 2 0 3 5 4 3 6 5 8 9 5 4 7 4 2 7 3 4 8 9 1 9 2 1 7 9......
   1 8 7 4 1 3 1 1 0 2 3 9 4 9 2 1 6 8 4 7 7 4 4 9 2 5 7 2 4 4 2 1 9 2 2 8 7 6 9...... 
   8 2 3 8 1 6 5 1 1 0];
%´´½¨BPÍøÂç
pr(1:784,1)=0;
pr(1:784,2)=1;
t1=clock;                   %¼Æʱ¿ªÊ¼
%ÉèÖÃѵÁ·²ÎÊý
net=newff(pr,[25 1],{'logsig','purelin'},'traingdx','learngdm');
net.trainParam.epochs=5000;             %ÉèÖÃѵÁ·´ÎÊý
net.trainParam.goal=0.05;               %ÉèÖÃÐÔÄܺ¯Êý
net.trainParam.show=10;                 %ÿ10ÏÔʾ
net.trainParam.Ir=0.05;                 %ÉèÖÃѧϰËÙÂÊ
net=train(net,p,t);                     %ѵÁ·BPÍøÂç
datat=etime(clock,t1)                   %¼ÆËãÉè¼ÆÍøÂçµÄʱ¼äΪ66.417s
%Éú³É²âÊÔÑù±¾
pt(1:784,1)=1;                       
pl=ones(28,28);                         %³õʼ»¯28*28¶þֵͼÏñÏñËØ
for kk=401:600
    pl=ones(28,28);                     %³õʼ»¯28*28¶þֵͼÏñΪȫ°×
    m=strcat('b',int2str(kk),'.bmp');   %Á¬½Ó×Ö·ûµÃµ½Ñù±¾ÎļþÃû
    x=imread(m,'bmp');                  %¶ÁÈëÑб¾ÎļþͼÏñ
    pl=im2bw(x,0.5);                    %°ÑÑù±¾Í¼Ïñת»¯Îª¶þֵͼ
    for m=0:27                          %ÐγÉÉñ¾­ÍøÂçÊäÈëÏòÁ¿
        pt(m*28+1:(m+1)*28,kk-400)=pl(1:28,m+1);
    end
end
[a,Pf,Af]=sim(net,pt);                  %ÍøÂç·ÂÕæ
a=round(a)                              %Êä³öʶ±ð½á¹û
%²âÊÔÑù±¾¶ÔÓ¦µÄÊý×Ö£¨´Ób401.bmpµ½b600.bmp ¹²200¸ö£©£º
tl=[2 6 4 5 8 3 1 5 1 9 2 7 4 4 4 8 1 5 8 9 5 6 7 9 9 3 7 0 9......
   0 6 6 2 3 9 0 7 5 4 8 0 9 4 1 1 8 7 1 2 6 1 0 3 0 1 1 8 2 0 3 9 4 0 5 0 6 1 7......
   7 8 1 9 2 0 5 1 2 2 7 3 5 4 4 7 1 8 3 9 6 0 3 1 1 2 0 3 5 7 6 8 2 9 5 8 5 7 4...... 
   1 1 3 1 7 5 5 5 2 5 8 2 0 9 7 7 5 0 9 0 0 8 9 2 4 8 1 6 1 6 5 1 8 3 4 0 5 5 8...... 
   3 4 2 3 9 2 1 1 5 2 1 3 2 8 7 3 7 2 4 6 9 7 2 4 2 8 1 1 3 8 4 0 6 5 9 3 0 9 2......
   4 7 1 1 9 4 2 6 1 8 9 0 6 6 7];
k=0;
for i=1:200
    if a(i)==tl(i)
        k=k+1;
    end
end
rate=1.00*k/200;                        %¼ÆËã×îºóÕýÈ·ÂÊΪ0.495

Answer 1

我可能是錯的，因為您沒有在數據集中指定輸出神經元的數量和每個類的模式數量。 但是，似乎您只為網絡創建了一個輸出神經元。 在這種情況下，網絡將所有模式分配給同一類別，並且您獲得的分類精度等於先驗概率。 例如，如果數據集的前50個模式屬於同一類，而其余的屬於不同類，則具有一個輸出的分類器會將所有模式分配給第一類，因此您將正確獲得前50個。

在這種情況下，您應該使用N個輸出創建一個分類器，其中N是數據集中的類數。 在這種情況下，分類器將為每個類別投票，並將模式分配給具有最大輸出的類別。 例如，如果您有3個類別，並且特定模式的輸出為[0.2，0.83，0.6]，則該模式將分配給第二個類別。

此外，將圖像轉換為黑白可能不是最好的方法。 最好將圖像轉換為灰度（以某種程度保留直方圖），並使用一些歸一化方法來補償光照差異。

最后，請記住，神經網絡本質上是檢測輸入向量之間的相似性。 因此，如果您需要對圖片進行分類，則需要找到一種表示形式，以使相似的圖像產生相似的輸入向量。 將像素的值饋送到分類器不是這種表示。 例如，如果將圖像上下顛倒，即使輸入矢量仍顯示相同的對象，其輸入矢量也會完全改變。 你不要那樣 您需要的功能取決於顯示的對象，而不取決於照明/角度等。但是，提取此類功能完全是另一回事（例如，請參見一些示例，這些示例用於從OpenCV框架進行圖像預處理和特征提取 ，標准圖像處理和C ++ / python中的計算機視覺工具）

如果您對神經網絡感興趣，而不對圖像處理感興趣，那么最好從UCI存儲庫中的一些標准分類問題（例如鳶尾花，威斯康星州乳腺癌）開始，並與之練習，直到產生良好的結果並感到滿意為止。您正在使用的工具。