我试图在C#(Windows Form)中使用EmguCV 3.1(OpenCV库的点.NET包装器)实现多层感知器(MLP)神经网络。为了练习这个库,我决定使用MLP实现OR
操作。
我使用"初始化"创建MLP。方法并使用" Train"方法如下:
private void Initialize()
{
NETWORK.SetActivationFunction(
ANN_MLP.AnnMlpActivationFunction.SigmoidSym);
NETWORK.SetTrainMethod(ANN_MLP.AnnMlpTrainMethod.Backprop);
Matrix<double> layers = new Matrix<double>(new Size(4, 1));
layers[0, 0] = 2;
layers[0, 1] = 2;
layers[0, 2] = 2;
layers[0, 3] = 1;
NETWORK.SetLayerSizes(layers);
}
private void Train()
{
// providing data for input
Matrix<float> input = new Matrix<float>(4, 2);
input[0, 0] = MIN_ACTIVATION_FUNCTION; input[0, 1] = MIN_ACTIVATION_FUNCTION;
input[1, 0] = MIN_ACTIVATION_FUNCTION; input[1, 1] = MAX_ACTIVATION_FUNCTION;
input[2, 0] = MAX_ACTIVATION_FUNCTION; input[2, 1] = MIN_ACTIVATION_FUNCTION;
input[3, 0] = MAX_ACTIVATION_FUNCTION; input[3, 1] = MAX_ACTIVATION_FUNCTION;
//providing data for output
Matrix<float> output = new Matrix<float>(4, 1);
output[0, 0] = MIN_ACTIVATION_FUNCTION;
output[1, 0] = MAX_ACTIVATION_FUNCTION;
output[2, 0] = MAX_ACTIVATION_FUNCTION;
output[3, 0] = MAX_ACTIVATION_FUNCTION;
// mixing input and output for training
TrainData mixedData = new TrainData(
input,
Emgu.CV.ML.MlEnum.DataLayoutType.RowSample,
output);
// stop condition = 1 million iterations
NETWORK.TermCriteria = new MCvTermCriteria(1000000);
// training
NETWORK.Train(mixedData);
}
MIN_ACTIVATION_FUNCTION
和MAX_ACTIVATION_FUNCTION
分别等于-1.7159和1.7159(according to OpenCV Documentation)。经过1000000次迭代(如我在停止条件下的代码中所见),我使用Predict方法测试我的网络进行预测,如下所示:
private void Predict()
{
Matrix<float> input = new Matrix<float>(1, 2);
input[0, 0] = MIN_ACTIVATION_FUNCTION;
input[0, 1] = MIN_ACTIVATION_FUNCTION;
Matrix<float> output = new Matrix<float>(1, 1);
NETWORK.Predict(input, output);
MessageBox.Show(output[0, 0].ToString());
//////////////////////////////////////////////
input[0, 0] = MIN_ACTIVATION_FUNCTION;
input[0, 1] = MAX_ACTIVATION_FUNCTION;
NETWORK.Predict(input, output);
MessageBox.Show(output[0, 0].ToString());
//////////////////////////////////////////////
input[0, 0] = MAX_ACTIVATION_FUNCTION;
input[0, 1] = MIN_ACTIVATION_FUNCTION;
NETWORK.Predict(input, output);
MessageBox.Show(output[0, 0].ToString());
////////////////////////////////////////////////
input[0, 0] = MAX_ACTIVATION_FUNCTION;
input[0, 1] = MAX_ACTIVATION_FUNCTION;
NETWORK.Predict(input, output);
MessageBox.Show(output[0, 0].ToString());
}
以下是NETWORK预测的示例:
-0.00734469
-0.03184918
0.02080269
-0.006674092
我希望有这样的事情:
-1.7
+1.7
+1.7
+1.7
我的代码有什么问题?
请注意,我也使用0,1表示MIN_ACTIVATION_FUNCTION
和MAX_ACTIVATION_FUNCTION
值,但我仍然没有任何好结果。
更新1:
我编辑我的代码,因为第一个答案引用了我(甚至我用评论中引用的想法测试我的代码)。现在,我在调用NaN
方法时获得predict
。
答案 0 :(得分:0)
您似乎在提供输出数据时出错。使用output
数组而不是input
。
我认为你的输出响应应该是2D矩阵(有2列)。最后一层应该有2个输出神经元,因为你有2个类,例如(1, 0) is class "True"
和(0, 1) is class "False"
。还尝试更改网络的体系结构。逻辑运算符OR
是线性可分的,即可以使用单个感知器执行。
答案 1 :(得分:0)
根据新版本的EmguCV(Emgu.CV-3.1.0-r16.12),问题是版本3.1.0中的错误现在它已在Emgu.CV-3.1.0-r16.12中修复。通过下载此版本,我得到了来自我的网络的正确回复。