欢迎来到天天文库
浏览记录
ID:47052456
大小:166.23 KB
页数:11页
时间:2019-07-10
《基于某神经网络地人脸识别附代码》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、标准文档【代码及说明见第四页】基于三层BP神经网络的人脸识别一、实验要求采用三层前馈BP神经网络实现标准人脸YALE数据库的识别。二、BP神经网络的结构和学习算法实验中建议采用如下最简单的三层BP神经网络,输入层为,有n个神经元节点,输出层具有m个神经元,网络输出为,隐含层具有k个神经元,采用BP学习算法训练神经网络。BP神经网络的结构BP网络在本质上是一种输入到输出的映射,它能够学习大量的输入与输出之间的映射关系,而不需要任何输入和输出之间的精确的数学表达式,只要用已知的模式对BP网络加以训练,网络就具有输入输出对之间的映射能力。BP网络执行的是有教师训练,其样本集是由形如(输入向
2、量,期望输出向量)的向量对构成的。在开始训练前,所有的权值和阈值都应该用一些不同的小随机数进行初始化。BP算法主要包括两个阶段:(1)向前传播阶段①从样本集中取一个样本(Xp,Yp),将Xp输入网络,其中Xp为输入向量,Yp为期望输出向量。实用文案标准文档②计算相应的实际输出Op。在此阶段,信息从输入层经过逐级的变换,传送到输出层。这个过程也是网络在完成训练后正常运行时执行的过程。在此过程中,网络执行的是下列运算:(2)向后传播阶段①计算实际输出Op与相应的理想输出Yp的差;②按极小化误差的方法调整权矩阵。这两个阶段的工作一般应受到精度要求的控制,定义(1)作为网络关于第p个样本的误
3、差测度(误差函数)。而将网络关于整个样本集的误差测度定义为(2)如前所述,将此阶段称为向后传播阶段,也称之为误差传播阶段。为了更清楚地说明本文所使用的BP网络的训练过程,首先假设输入层、中间层和输出层的单元数分别是N、L和M。X=(x0,x1,…,xN-1)是加到网络的输入矢量,H=(h0,h1,…,hL-1)是中间层输出矢量,Y=(y0,y1,…,yM-1)是网络的实际输出矢量,并且用D=(d0,d1,…,dM-1)来表示训练组中各模式的目标输出矢量。输出单元i到隐单元j的权值是Vij,而隐单元j到输出单元k的权值是Wjk。另外用θk和Φj来分别表示输出单元和隐单元的阈值。于是,中
4、间层各单元的输出为:(3)而输出层各单元的输出是:(4)实用文案标准文档其中f(*)是激励函数,采用S型函数:(5)在上述条件下,网络的训练过程如下:(1)选定训练集。由相应的训练策略选择样本图像作为训练集。(2)初始化各权值Vij,Wjk和阈值Φj,θk,将其设置为接近于0的随机值,并初始化精度控制参数ε和学习率α。(3)从训练集中取一个输入向量X加到网络,并给定它的目标输出向量D。(4)利用式(7)计算出一个中间层输出H,再用式(8)计算出网络的实际输出Y。(5)将输出矢量中的元素yk与目标矢量中的元素dk进行比较,计算出M个输出误差项:对中间层的隐单元也计算出L个误差项:(6)
5、依次计算出各权值和阈值的调整量:(6)(7)(8)(9)(7)调整权值和阈值:,,(8)当k每经历1至M后,判断指标是否满足精度要求:E≤ε,其中E是总误差函数,且。如果不满足,就返回(3),继续迭代。如果满足,就进入下一步。(9)训练结束,将权值和阈值保存在文件中。这时可以认为各个权值已经达到稳定,分类器形成。再一次进行训练时,直接从文件导出权值和阈值进行训练,不需要进行初始化。实用文案标准文档BP算法流程图YALE数据库是由耶鲁大学计算视觉与扼制中心创立,包括15位志愿者,每个人有11张不同姿势、光照和表情的图片,共计165张图片,图片均为80*100像素的BMP格式图像。我们将
6、整个数据库分为两个部分,每个人的前5幅图片作为网络的训练使用,后6副图片作为测试使用。说明:程序的输入数据可以从这里下载:链接:https://pan.baidu.com/s/1aAHGyg0sFH1PYdY4XekyTQ密码:vsfb实用文案标准文档如果不能下载了,可以自己找找YALE人脸数据库。代码分为read_can_use.m和main_can_ues.m先运行read_can_use.m读取图片的像素值,使用奇异值分解的方法得到对应的特征。程序预设了只读取前5个人的人脸图片,可以自己改成最多15个人。然后运行main_can_use.m,程序会输出112323,每个数字代表
7、一张图片最有可能的识别类别(就是人的编号)。对每个人的11张图片,取前7张训练网络,后4张测试网络,取前5个人进行实验。所以共有35个训练样本,20个测试样本。比如输出的结果是111122123333…..,因为每4个数字是属于同一个人的,前四个都是1则都预测正确,第二组的4个数字2212中的那个1就是预测错误(本来是2预测成了1)。由于参数的随机初始化,不保证每次的结果都相同。实用文案标准文档functionmain()%%clcclearall;%cl
此文档下载收益归作者所有