训练神经网络技巧

Question

对于物体识别建议我在MATLAB中使用神经网络。我有30个对象和每个对象20个图像，所以我有600个输入数据和20个不同的类。输入矩阵为100x600，目标为1x600。输入矩阵列是关键点的Hue在100个箱中的直方图，如下所示：(m,n)=hist(hue_val,100)我选择了m。
如果我选择了MLP网络，那么这些层需要多少层和神经元，哪些传递函数适用于每一层？

对于最后一个问题，我需要负面样本吗？

Answer 1

• 层数 - 通常，单个隐藏层就足够了（因为使用非线性激活函数这么长时间），单个层可以接近任意数量的层。
• 传递函数 - 我不熟悉这个术语，但我认为你的意思是激活函数（你在将它传递到下一层之前对净输入做了什么）。我回答了这个问题here的一个略微变体，但要点是在大多数情况下像双曲正切或逻辑的标准选择。
• 隐藏层中的神经元数量 - crodriguezo的链接非常好地完成了这个。我真正可以补充的是，根据你的输入大小，我可能会将这个数量基于训练时间。
• 负样本 - 如果您只需要对输入所属的30个对象中的哪一个进行分类，则不需要负样本。但是，如果测试输入可能是30个对象的 none ，那么肯定会使用大量的负面示例，因此网络不会认为所有都是对象。

一些一般提示：

请记住考虑留一法和类似形式cross validation作为对抗过度拟合的方法。限制隐藏图层的单位数也可以做到这一点，但代价是表现丰富。

您未提及的其他参数对任何成功的ANN应用也非常重要。这些包括学习率，误差函数，退火计划，动量和重量衰减。设置所有这些在这一点上更像是一门艺术，而不是一门科学（反对使用人工神经网络与支持向量机器的最佳论据之一），但这个link对我来说是一个天赐之物。

Answer 2

当我问自己时，我发现这个page也许这会有所帮助。

修改：

抱歉，我想链接到这个page，你可以在那里找到不同的问题，比如我应该使用多少隐藏层？或者我应该使用多少隐藏单位？