-4

我在研究中使用 Encog 2.4.0 和 Java 来评估字体数字 (0-9) 识别中的反向传播和遗传算法。我正在使用 JavaCV 将我的数字（图像）处理为 0 和 1 的文本文件，每一行代表一个字体图像图像。每个字体（行）有 256 个属性（0 或 1）。我的网络输入节点号是 256，输出节点是 10（类），我在我的网络中使用 sigmoid 激活函数。我的输出也归一化为 0 和 1（例如 1000000000 表示 0，0100000000 表示 1，依此类推直到 9）。使用不同的训练集（100 到 700 个样本）和测试集（50 到 300）进行 11 次测试运行，具有不同的学习率和动量参数，我对反向传播的准确性和速度（10 秒到< 4 分钟）。但不幸的是 ：

网络输入和输出结构类似于 XOR 示例。在 XOR 中，输入是 4 X 2 的数组，输出是 4 X 1。

我的是：输入的“样本数”X 256，输出的“样本数”X 10。

任何人都可以阐明我要去哪里错了吗？

谢谢，霍斯

4

1 回答 1

1

首先，这是一个非常旧的 Encog 版本。遗传算法代码在 3.x 中发生了很大变化，仅此一项可能会有所帮助。

至于为什么它无法收敛，这可能是一个难题，无需查看实际数据并进行实验。一些想法。

  • 我会确保正确地创建人口。选择人口中最好的成员，看看你是否可以通过反向传播训练它收敛。确保激活函数符合您的预期。
  • 查看 GA 与 BP 训练网络的权重范围，看看是否发生任何疯狂的事情将 GA 权重推到不寻常的范围。
于 2014-09-01T01:19:34.703 回答