OpenCV中神经网络的层大小不起作用答案

【问题标题】：Layer size of Neural network in OpenCV doesn't workOpenCV中神经网络的层大小不起作用
【发布时间】：2013-05-25 12:25:45
【问题描述】：

我正在尝试使用 OpenCV 的神经网络：

ANN::ANN() {
  // 4 rows and 1 col with the type of 32 bits short.
  CvMat* neural_layers = cvCreateMat(4, 1, CV_32SC1);
  cvSet1D(neural_layers, 0, cvScalar(2));   // inputs
  cvSet1D(neural_layers, 1, cvScalar(30));  // hidden
  cvSet1D(neural_layers, 2, cvScalar(30));  // hidden
  cvSet1D(neural_layers, 3, cvScalar(1));   //output
  // Init ANN with sigmoid function.
  this->network = new CvANN_MLP(neural_layers, 
                                CvANN_MLP::SIGMOID_SYM, // active function
                                1,    // alpha = 1
                                1);   // beta = 1
}

训练参数：

void ANN::train() {
  // Prepare for sample matrix.
  CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams();
  // cvTermCriteria( CV_TERMCRIT_ITER + CV_TERMCRIT_EPS, 1000, 0.01 );
  params.train_method = CvANN_MLP_TrainParams::BACKPROP;
  params.bp_dw_scale = 0.01;
  params.bp_moment_scale = 0.05;
  // Terminate condition.
  params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER+CV_TERMCRIT_EPS,
                                    100000,   // 
                                    0.1);
  // Start to train the network.
  this->network->train(
                    this->inputs,
                    this->outputs,
                    this->weights,
                    0,          // Samples start index.
                    params,     // Traning parameters.
                    1           // UPDATE_WEIGHTS
                    );
}

但是隐藏层的大小似乎根本不起作用，因为我将它从3改为30，结果根本没有改变。

然后我更改了 alpha 和 beta 的值，但这也没有改变。

我的代码有什么问题？

==== 我的训练和测试样本：====

y = cos(x) + sin(x)

-0.758732841028 41.0938207976   27.2367595423
1.15370020129   21.1456884544   38.852465807
0.298333522748  37.4369795032   51.2449385711
1.8800004748    96.2375790658   44.2418473915
-1.78419644641  80.3189155018   77.9060673705
...

【问题讨论】：

标签： opencv machine-learning computer-vision neural-network regression

【解决方案1】：

你可能有一个很大的 epsilon 导致学习发散。我假设您现在将其设置为 0.1。尝试将 epsilon 设置为更小的值，例如 0.0000001、0.000001、0.00001。一个小的 epsilon 可能会使您的收敛速度变慢，但是您至少应该看到进度。

顺便说一句，这里有一个在 opencv 中使用 svm 和 mlp 的很棒的教程。 https://raw.github.com/bytefish/opencv/master/machinelearning/doc/machinelearning.pdf

【讨论】：

谢谢，这个教程真的很有帮助。