對目標(biāo)識別的一些算法的-wenkub
2023-02-07 06:07:29 本頁面
【正文】 教授都在研究，但目前神經(jīng)網(wǎng)絡(luò)發(fā)展依然是初級階段 BP神經(jīng)網(wǎng)絡(luò)是最基本的也是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò) 一個三層、三輸入、一輸出 bp網(wǎng)絡(luò)的例子： 顏色 紋理 形狀 2 1 3 1 顏色 2 代表：肉色 紋理 1代表：皮膚紋理 形狀 3代表： 橢圓形 輸出 1代表：人臉 物體類別 理想狀態(tài) 如果第一次輸入 3 2 1 4 如何使系統(tǒng)自動從 4調(diào)節(jié)到 1？ 4代表猴子的臉 權(quán)值 Rumelhart Hinton和 Williams于 1986年發(fā)表文章，提出了誤差逆向傳播神經(jīng)網(wǎng)絡(luò)，也稱BP神經(jīng)網(wǎng)絡(luò)。對目標(biāo)識別的一些算法的 學(xué)習(xí)與思考 對 BP人工神經(jīng)網(wǎng)絡(luò)的詳細(xì)介紹 對蛇模型的簡要介紹 對一個目標(biāo)跟蹤視頻的思考 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)簡介： 人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的第二種方式。 BP網(wǎng)絡(luò)思路：利用實際輸出與理想輸出的差值（稱為 誤差 ） 反饋 到前面的網(wǎng)絡(luò)，從而改變各層權(quán)值， 權(quán)值改變 后，使 誤差減小 。 ij?共四次輸入 通過例子可知， BP神經(jīng)網(wǎng)絡(luò)的 關(guān)鍵是尋找這么一個函數(shù) ?權(quán)值 = f（誤差） 如果 改變 上述函數(shù)使得，每次輸入，輸出減少 則如圖 顏色 紋理 形狀 2 1 3 4 第一次輸入 顏色 紋理 形狀 2 1 3 第二次輸入 顏色 紋理 形狀 2 1 3 1 第三次輸入 共三次輸入 改變 f （誤差）之后，網(wǎng)絡(luò)學(xué)習(xí)能力增強(qiáng)！ 如何選取函數(shù) f ？ 網(wǎng)絡(luò)如何后向反饋的？ ?（ ）j1?j2?j3?ji?1z2z3zizja jz j ji iia = z??jjz = a?（ ）定義 E為誤差函數(shù) jji j jia=aEE?????? ? ?jj=aE???jijia=z???定義： jjijia=z????jz ka?（ ）kykk= = 39。經(jīng)典的蛇模型是在內(nèi)力、圖
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1