为什么神经网络没有预测？

Question

我正在尝试使用反向传播算法训练神经网络.在OpenCV 2.3中.然而,它没有正确预测....甚至没有训练数据集.有人可以帮我发现这里有什么不对吗？

training_feature_matrix - 浮点值的Nx69矩阵

training_age_matrix - 浮点值的Nx4矩阵

test_feature_matrix - 浮点值的Mx69矩阵

test_age_matrix - 浮点值的Mx4矩阵

特征矩阵(如上所述)如:[0.123435,0.4542665,0.587545,... 68-这样的值+最后一个值'1.0或2.0',取决于它的男性/女性)

年龄矩阵(如上所述)如:[1,0,0,0; 1,0,0,0; 0,1,0,0; ...]这里1s显示特征矩阵所属的相应行的年龄(婴儿,儿童,成人,旧).

这是代码:我使用上面的矩阵作为参数调用'mlp'函数)

cv::Mat mlp(cv::Mat& training_feature_matrix, cv::Mat& training_age_matrix, cv::Mat& test_feature_matrix, cv::Mat& test_age_matrix)
{
cv::Mat layers = cv::Mat(3, 1, CV_32SC1);
layers.row(0)  = cv::Scalar(69);
layers.row(1)  = cv::Scalar(36);
layers.row(2)  = cv::Scalar(4);    //   cout<<layers<<"\n";

CvANN_MLP ann;
CvANN_MLP_TrainParams params;
CvTermCriteria criteria;
criteria.max_iter = 10000;
criteria.epsilon  = 0.001;
criteria.type     = CV_TERMCRIT_ITER + CV_TERMCRIT_EPS;
params.train_method = CvANN_MLP_TrainParams::BACKPROP;
params.bp_dw_scale  = 0.1;
params.bp_moment_scale = 0.1;
params.term_crit  = criteria;

ann.create(layers, CvANN_MLP::SIGMOID_SYM);
ann.train(training_feature_matrix, training_age_matrix, cv::Mat(), cv::Mat(), params);

cv::Mat predicted(test_age_matrix.rows, 4, CV_32SC1);
for(int i = 0; i < test_feature_matrix.rows; i++)
{
  cv::Mat response(1, 4, CV_32F);
  cv::Mat sample = test_feature_matrix.row(i);
  ann.predict(sample, response);
  for (int g = 0; g < 4; g++)
  {
    predicted.at<int>(i,g) = response.at<float>(0,g);
  } 
}
   cout << "\n";
   cout << ann.get_weights(0) << "\n";
   cout << ann.get_layer_sizes() << "\n";
   cout << ann.get_layer_count() << "\n\n";

return predicted;
}

编辑此外,ann.get_weights(0)和ann.get_layer_sizes()返回垃圾值,但ann.get_layer_count()返回正确的值3.

谢谢 :)

Answer 1

反向传播并不总是收敛。它很可能会爆炸并产生废话。如果 epsilon 或momentum_scale 值太大，则可能会出现这种情况。你的动力看起来已经达到了可能有效的极限，我会尝试减少它。