神經網絡訓練不夠好

我在Tom Mitchell的「機器學習入門」一書中讀到了一個項目的想法。該項目是關於確定臉部的方向（左，右，下，直）。我使用自己開發的神經網絡，它可以正常工作（用XOR，拋物線函數進行測試......），但無法對它進行足夠的訓練以確定它們是否正確。我得到的最好情況是43％正確，這是相當低的。神經網絡訓練不夠好

這裏是項目的描述：

圖像32×30，灰度（I使用13人×32幅圖像進行訓練樣例和4口人×32幅圖像進行測試）。

神經網絡：3層 - 輸入，隱藏輸出

32×30輸入單元

3隱藏單元，使用S形作爲一個傳遞函數

1輸出單元，使用線性作爲轉換功能。

OUT：0.2 = left; 0.4 =下; 0.6 =正確; 0.8直

學習率=動量= 0.3

重量和偏壓設置爲隨機的小的值。

經過25000次迭代後，我仍然只有〜40％的正確率。在這本書中，他們設法獲得了90％的精確度！

任何想法？

來源

2012-09-05 Мартин Радев

您是否使用向後傳播來調整權重？是否發佈發佈您使用的代碼？ –

我猜3個隱藏單位是不夠的。隱藏層將信號從輸入層轉換爲輸出層，3個單元僅表示描述圖像的3個變量。還請澄清一下：「我使用13x32圖像進行訓練，4x32進行測試」。你的意思是說你使用不同大小的圖像？如果不是，這些數字是什麼意思？最後一個問題：在書中提出使用浮點數（0.2 = left，0.4 = down），或者它是你自己的想法？ – ffriend

13人*每人32張圖片用於訓練示例 4人*每人32張圖片用於測試 32張圖片=剩餘8張; 8對; 8連敗; 8 down 有些人戴着眼鏡 –

在@ffriend的評論之後，一切都像魅力一樣。我使用了4個輸出神經元，準確度達到了90％以上。如果我在隱藏層中使用更多的神經元，錯誤會變得更小，但程序需要更多時間來運行網絡並反向傳播。

來源

2012-09-05 19:55:11

神經網絡訓練不夠好

回答

相關問題