matlab中的神经网络设计
我在做语音识别方面的研究,并试图在Matlab中设计一种使用神经网络的语音识别算法。如何定义我的网络结构???Matlab有一个。也许你可以看看这个?你的问题很笼统。你应该告诉我们你想做什么的具体细节。 但是,根据我使用Matlab神经网络工具箱进行车牌识别的经验,我给您提供了一些使用Matlab神经网络工具箱的技巧。希望有帮助。matlab中的神经网络设计,matlab,Matlab,我在做语音识别方面的研究,并试图在Matlab中设计一种使用神经网络的语音识别算法。如何定义我的网络结构???Matlab有一个。也许你可以看看这个?你的问题很笼统。你应该告诉我们你想做什么的具体细节。 但是,根据我使用Matlab神经网络工具箱进行车牌识别的经验,我给您提供了一些使用Matlab神经网络工具箱的技巧。希望有帮助。 1-您需要知道将使用多少隐藏层以及输出的数量。在我的例子中,我指定了20个隐藏层和9个输出。 2-您首先需要有一个数据集。您将使用此数据集来训练神经网络。对于LPR,
1-您需要知道将使用多少隐藏层以及输出的数量。在我的例子中,我指定了20个隐藏层和9个输出。
2-您首先需要有一个数据集。您将使用此数据集来训练神经网络。对于LPR,我使用90x50矩阵作为数据集。每行代表一个数字,包含从数字图像中提取的50个数字。
3-您需要一个目标矩阵,将数据集映射到已知输出(因此称为培训)。
以下语法定义了提到的网络:
net = newff(minmax(datasetNormalized'),[20 9],{'logsig' 'logsig'},'traingdx');
对于网络培训,我们编写:
[net,tr]=train(net,datasetNormalized',T);
我们使用以下代码向网络提供新的输入:
[dummy,b]=max(sim(net,m_normalized'));
b是我们在这里寻找的答案(最有可能的输出),因此我们向用户显示它:
msgbox(['digit is: ' num2str(b)],'Digit recognized','help');
这是完整的源代码,如果您想知道我的代码到底在做什么:clc
clear
close all
numOfPhotos=90;
imgRows=100;
imgCols=50;
X=zeros(numOfPhotos,(imgRows*imgCols)/100);
%%Resize Images
% myresize(imgRows,imgCols);
%read train images
datasetIndex=0;
for i=1:numOfPhotos/10
for j=1:numOfPhotos/9
datasetIndex=datasetIndex+1;
im=imread(['resized_train_numbers\' num2str(i) ' (' num2str(j) ').jpg']);
im=im2bw(im,graythresh(im));
c=1;
for g=1:imgRows/10
for e=1:imgCols/10
s=sum(sum(im((g*10-9:g*10),(e*10-9:e*10))));
X(datasetIndex,c)=s;
c=c+1;
end
end
end
end
datasetNormalized=zeros(numOfPhotos,imgRows*imgCols/100);
%%Normalize dataset contents
minDataset=min(min(X));
maxDataset=max(max(X));
for i = 1:numOfPhotos
for j=1:imgRows*imgCols/100
datasetNormalized(i, j) = (X(i,j)-minDataset)/(maxDataset-minDataset);
end
end
%
%%Neural network part
% T=zeros(1,90);
% for i=1:90
% T(i)=ceil(i/10);
% end
T=zeros(9,90);
for j=1:90
i=ceil(j/10);
T(i,j)=1;
end
% net=newff(datasetNormalized',T,20);
net = newff(minmax(datasetNormalized'),[20 9],{'logsig' 'logsig'},'traingdx');
net.performFcn='sse';
net.trainParam.goal=0.01;
net.trainParam.show=20;
net.trainParam.epochs=100;
net.trainParam.mc=0.95;
% net.trainFcn='trainlm';
net.trainParam.min_grad=1e-12;
[net,tr]=train(net,datasetNormalized',T);
%Read input image for recognition
[name file]=uigetfile('*.jpg','Choose Plate Digit Image');
newImg=imread([file name]);
newImg=imresize(newImg,[imgRows imgCols]);
newImg=im2bw(newImg,graythresh(newImg));
figure,imshow(newImg);
m=zeros(1,imgRows*imgCols/100);
c=1;
for g=1:imgRows/10
for e=1:imgCols/10
s=sum(sum(newImg((g*10-9:g*10),(e*10-9:e*10))));
m(c)=s;
c=c+1;
end
end
%Normalize m contents
m_normalized=zeros(1,imgRows*imgCols/100);
for i=1:imgRows*imgCols/100
m_normalized(i)=(m(i)-min(m))/(max(m)-min(m));
end
[dummy,b]=max(sim(net,m_normalized'));
% b=round(sim(net,m_normalized'));
msgbox(['digit is: ' num2str(b)],'Digit recognized','help');
我正在使用这个工具箱。但是有任何选项可以手动定义输入和输出层神经元。自从我使用这个工具箱已经有很长时间了,但我记得类似的事情是可能的。不幸的是,我不记得到底是怎么回事。。。