0

我有一个 90×8 的数据集，我从 90 个字符图像（即数字 1-9）中提取了特征（通过在每个 10×10 单元格中求和 1）。每行代表一个图像。我正在尝试使用以下代码来训练神经网络并识别新的输入图像（包括 1 到 9 之间的数字）：

net.trainFcn='traingdx';
net.performFcn='sse';
net.trainParam.goal=0.1;
net.trainParam.show=20;
net.trainParam.epochs=5000;
net.trainParam.mc=0.95;
net =newff(minmax(datasetNormalized'),[20 9],{'logsig' 'logsig'});    
T=reshape(repmat([1:9],10,1),1,90);
[net,tr]=train(net,datasetNormalized,T);

之后，我想使用以下内容来使用经过训练的网络识别新图像。m 是一个也被特征提取的图像字符。

[a,m]=max(sim(net,m));
disp(b);

我收到以下错误，我不知道如何解决它：

使用 trainlm 时出错（第 109 行）

输入和目标具有不同数量的样本。

网络/火车错误（第 106 行）[net,tr] = feval(net.trainFcn,net,X,T,Xi,Ai,EW,net.trainParam);

神经错误（第 55 行）[net,tr]=train(net,datasetNormalized,T);

注意：datasetNormalized 是我在 [0,1] 中标准化的数据集。哪个部分导致问题？

4

2 回答 2

0

T 将用作网络的目标；因此，根据朋友的建议，我将 T 定义为 9*90 数组，前 10 列的第一行为 1，其他行为 0，后 10 列的第二行为 1，以此类推上

T=zeros(9,90);
for j=1:90
    i=ceil(j/10);
    T(i,j)=1;
end

[net,tr]=train(net,datasetNormalized',T);

这解决了我在训练网络上遇到的错误，尽管我仍然不确定它将如何映射到输入字符并确定它们。

于 2014-01-17T20:00:41.310 回答
0

输入和目标具有不同数量的样本。这似乎是问题所在

     T=reshape(repmat([1:9],10,1),1,90) --> T=reshape(repmat([1:9],10,1),90,1)

[net,tr]=train(net,datasetNormalized,T); --> [net,tr]=train(net,datasetNormalized',T);
于 2014-01-17T08:48:16.390 回答