为神经网络创建目标

10视图(30天)
雷莫
雷莫 2012年2月12日
你好,
我已经提取图像的特征向量并保存在一个excel文档。特征向量是42×维度。我不知道如何创建这个输入的目标所以我可以训练神经网络。我需要做情感分类。5类。所以,如何创建目标向量和训练网络?

接受的答案

钱德拉Kurniawan
钱德拉Kurniawan 2012年2月13日
嗨,雷莫
从图像提取的特征向量理想m x 1矩阵。
你说这是42 x 42。是42的意思是42特征图片? ?
如果是这样,那么你需要创建5 x 42矩阵的目标。
首先创建矩阵的零5 x 42。
# 1的特性,这个特性属于哪些情绪?让说第三类。那么你需要在第三行第一列标记为1。
t = [0 0 0 0 0直到42
0 0 0 0 0
1 0 0 0 0
0 0 0 0 0
0 0 0 0 0
等等。
我有下面的一个例子。在这个例子中我有5 x5的特征向量。和5 x5矩阵的目标。
p = [1 0 1 0 1
0 1 1 0 1
1 0 0 1 1
0 1 0 1 1
1 0 0 1 1];
t = [0 0 1 0 0
0 0 0 0 1
1 0 0 0 0
0 1 0 0 0
0 0 0 0 1);
公关= [0 0 1;0 1;0 1;1;0 1];
网= newff(公关、25 25 5][5,{“logsig”,“logsig”,“logsig”,“logsig”},“traingda”);
net.trainParam。时代= 1500;
net.trainParam。目标= 0;
网=火车(净、p、t);
然后尝试模拟第一个特性。
sim(净,p (: 1))
结果:
ans =
0.0032
0.0003
0.9955
0.0000
0.0029
这意味着这个输入属于第三类。
我希望这将帮助。
3评论
debasmita bhoumik
debasmita bhoumik 2016年4月9日
我已经做了两个特征矩阵(目的是分类的天气感染存在或者不是叶)的大小80 x16和40 x16分别。第一个是训练图像(80图片16功能)和其他测试图像(40图片16功能)。我也使用支持向量机分类器分类准确。现在我想把这些图像在神经网络的帮助。请建议我能做些什么

登录置评。

答案(1)

格雷格·希斯
格雷格·希斯 2012年2月14日
雷莫2012年2月12日在29问道
>我有提取图像的特征向量并保存在一个excel文档。特征向量是42×>维度。我不知道如何创建这个输入的目标所以我可以训练神经网络。我需要>做情感分类。5类
输入特性必须是列向量。如果你从一个原始矩阵提取特征矩阵,就可以将它转换成一个特征向量使用冒号运算符。举个例子,如果你和大小特征矩阵调频(fm) = [r、c],然后阵线=调频(:)将相应的特征向量大小(艘)= (r * c, 1)。
如果你有N个特征向量从N图像、N列表单输入矩阵,p,大小(p) = [N]我= r * c。
如果N图片来自k类,相应的目标矩阵,t,包含N列k维单元矩阵的眼睛(k)。行包含“1”是类指数对应的输入向量。大小(t) = (O (N), O = k。
输出矩阵是容易形成IND2VEC使用函数。例如
> > t =全(ind2vec ([1 3 5 2 4]))
t =
1 0 0 0 0
0 0 0 1 0
0 1 0 0 0
0 0 0 0 1
0 0 1 0 0
给定一个特征向量,由此产生的输出向量中的元素可以被解释为近似input-conditional类的后验概率。然后分配给类输入向量对应的最大输出。
一个隐藏层与H节点就足够了。由此产生的节点拓扑I-H-O。这将导致Neq = N * O非线性方程组为Nw =“解决”(I + 1) * H + (H + 1) * O未知的权重。训练收敛,要求Neq > =西北。然而,条件Neq > >西北比减轻实际噪声和测量误差。这相当于要求
H是必需的,但H < < < =枢纽中心需要的上限是由中心
中心= (Neq - O) / (I + O + 1)。
H的实用价值可以通过尝试和错误记住上面的条件。
希望这个有帮助。
格雷格
1评论
雷莫
雷莫 2012年2月14日
嗨,格雷格,
谢谢你的时间回答我的问题。我将尝试你的方法创建我的目标向量。谢谢先生。

登录置评。

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!