我正在尝试使用 OpenCV 的神经网络:
ANN::ANN() {
// 4 rows and 1 col with the type of 32 bits short.
CvMat* neural_layers = cvCreateMat(4, 1, CV_32SC1);
cvSet1D(neural_layers, 0, cvScalar(2)); // inputs
cvSet1D(neural_layers, 1, cvScalar(30)); // hidden
cvSet1D(neural_layers, 2, cvScalar(30)); // hidden
cvSet1D(neural_layers, 3, cvScalar(1)); //output
// Init ANN with sigmoid function.
this->network = new CvANN_MLP(neural_layers,
CvANN_MLP::SIGMOID_SYM, // active function
1, // alpha = 1
1); // beta = 1
}
训练参数:
void ANN::train() {
// Prepare for sample matrix.
CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams();
// cvTermCriteria( CV_TERMCRIT_ITER + CV_TERMCRIT_EPS, 1000, 0.01 );
params.train_method = CvANN_MLP_TrainParams::BACKPROP;
params.bp_dw_scale = 0.01;
params.bp_moment_scale = 0.05;
// Terminate condition.
params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS,
100000, //
0.1);
// Start to train the network.
this->network->train(
this->inputs,
this->outputs,
this->weights,
0, // Samples start index.
params, // Traning parameters.
1 // UPDATE_WEIGHTS
);
}
但是隐藏层的大小似乎根本不起作用，因为我将它从 3 更改为 30，结果根本没有改变。
然后我更改了 alpha 和 beta 的值，但这也没有任何改变。
我的代码有什么问题？
==== 我的训练和测试样本:====
y = cos(x) + sin(x)
-0.758732841028 41.0938207976 27.2367595423
1.15370020129 21.1456884544 38.852465807
0.298333522748 37.4369795032 51.2449385711
1.8800004748 96.2375790658 44.2418473915
-1.78419644641 80.3189155018 77.9060673705
...
最佳答案
您可能有一个很大的 epsilon，这会导致学习发散。 我假设您现在将其设置为 0.1。 尝试将 epsilon 设置为更小的值，例如 0.0000001、0.000001、0.00001。较小的 epsilon 可能会使您的收敛速度变慢，但是您至少应该看到进度。
顺便说一句，这里有一篇关于在 opencv 中使用 svm 和 mlp 的精彩教程。 https://raw.github.com/bytefish/opencv/master/machinelearning/doc/machinelearning.pdf
关于opencv - OpenCV 中神经网络的层大小不起作用，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16827517/