Question

我是机器学习的新手，我正在研究一个使用其图像对对象进行分类的Java应用程序。我有40个输入神经元和n个输出神经元（取决于训练数据的数量）。我使用Encog作为我的神经网络的框架。我能够成功地训练数据但是当我测试网络时，它似乎不能很好地工作。它无法正确分类对象。这是培训部分：

BasicNetwork network = new BasicNetwork();
    network.addLayer(new BasicLayer(null,true,i));
    network.addLayer(new BasicLayer(new ActivationSigmoid(),true,h));
    network.addLayer(new BasicLayer(new ActivationSigmoid(),false,o));      
    network.getStructure().finalizeStructure();
    network.reset();


    // train the neural network
    final Backpropagation train = new Backpropagation(network, trainingSet, lr, 0.3);
    train.fixFlatSpot(false);

    w = new SwingWorker(){

        @Override
        protected Object doInBackground() throws Exception {            
            // learn the training set

            int epoch = 1;
            do {
                train.iteration();
                //System.out.println("Epoch #" + epoch + " Error:" + train.getError());
                epoch++;
            } while(train.getError() > me && !isStop);
            isStop = false;
        return null;
        }
    };
    w.execute();

和测试部分：

BasicNetwork network = (BasicNetwork) SerializeObject.load(new File("file/Weights.ser"));
    MLData input = new BasicMLData(inputCount);
    input.setData(in);
    MLData output = network.compute(input);
    for(int y = 0; y < output.size(); y++){
        System.out.println(output.getData(y));
    }

训练部分有问题吗？如果我以正确的方式做事，我希望有人可以指导我。

Answer 1

您的意思是当您尝试识别您训练过的完全相同的数据时，您无法识别它吗？如果是这种情况，那么我会假设你为测试与训练编码图像的方式有所不同。

如果您看到的数据与您训练的数据不同，那么这是一个不同的（也是常见的）问题。这意味着训练数据可能无法代表整个问题空间。即，您正在使用的新数据与未进行匹配的训练数据不同。

使用Encog的神经网络分类器

1 个答案: