- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在学习使用 OpenCV 进行模式识别并想实现一个分类器。
据我了解,通常的方法是对所有输入值实现神经元网络评估并输出决策。现在,我担心学习 NN 会超出我的智力,我正在寻找一种更简单的方法。
我的问题是,是否可以创建输入值的直方图,其中 X 是要素类,Y 是其值,并使用简单的直方图比较做出决定? (我不是说喜欢颜色直方图。)
有没有人已经应用过这样的方法?如果是这样,结果的准确性如何?
感谢您的任何提示。
最佳答案
您提出的建议确实非常类似于单层神经网络 ( single layer perceptron/linear classifier )。假设您的图像中有 N 个特征。然后,您的神经网络将有 N 个输入,其中输入的值可以是特征出现的次数或特征的值/强度。
如果您只有两个类 A 和 B,您将有一个输出节点。每个输入都通过权重连接到输出。然后输出是所有加权输出的总和。如果输出高于某个阈值,您的数据可以分类为 A 类,否则为 B 类。为了正确分类您的数据,您将不得不修改网络中的权重(这称为“训练”)。
如果你想有更多的类,你可以添加更多的输出节点。但是,您将遇到某些数据可以分类为多个类的情况。此外,您的网络将始终是线性函数逼近器。通过在两者之间添加一层,您的网络将变得更加强大!
基本的神经网络很简单。我建议您花更多时间在维基百科上阅读它。
关于opencv - 直方图比较为 "neuronal-networks for the poor",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13444100/
我正在学习使用 OpenCV 进行模式识别并想实现一个分类器。 据我了解,通常的方法是对所有输入值实现神经元网络评估并输出决策。现在,我担心学习 NN 会超出我的智力,我正在寻找一种更简单的方法。 我
我使用 Keras 实现了自动编码器,它采用 112*112*3 个神经元作为输入,将 100 个神经元作为压缩/编码状态。我想从这 100 个神经元中找出能够学习重要特征的神经元。到目前为止,我已经
这个问题与873448有关. 来自 Wikipedia : The Blue Brain Project is an attempt to create a synthetic brain by re
是否可以使用 torch 实现连接同一层神经元的架构? 最佳答案 您所描述的称为递归神经网络。请注意,它需要完全不同类型的结构、输入数据和训练算法才能正常工作。 有 rnn用于处理循环神经网络的 To
我目前正在研究神经网络理论,我发现到处都写到它由以下几层组成: 输入层 隐藏层 输出层 我看到一些图形描述将输入层显示为网络中的真实节点,而其他图形描述则将该层显示为值的向量[x1, x2, ...
我已启动并运行 Visual Studio Community 2019。我正在尝试将 Python 与 NEURON(7.2.536.15) 包一起使用。我的 Python 3.7(64 位)环境中
我有一个大型数据集,我正在尝试使用 SOM 进行聚类分析。数据集巨大(约数十亿条记录),我不确定神经元的数量和 SOM 网格的大小应该从多少开始。任何有关估计神经元数量和网格大小的 Material
我目前正在研究 MNIST 手写数字分类。 我构建了一个具有以下结构的前馈网络: 输入:28x28 = 784 个输入 隐藏层具有 1000 个神经元的单个隐藏层 输出层:10 个神经元 所有神经元都
这是我从 FANN 网站上获取的一个稍微修改过的示例程序。 我创建的方程是 c = pow(a,2) + b。 Train.c #include "fann.h" int main() { c
此代码是关于使用 com.googlecode.javacv.cpp 训练神经网络当我制作 .create 方法时出现错误 static void train (CvMat TrainData, Cv
我是一名优秀的程序员,十分优秀!