基于BP網(wǎng)絡(luò)的字母識(shí)別

作者：時(shí)間：2010-12-25 來(lái)源：網(wǎng)絡(luò)

英飛凌汽車(chē)電子生態(tài)圈
- 掃碼關(guān)注
  獲取最新最全汽車(chē)電子
  技術(shù)方案與實(shí)用技巧

3.3 網(wǎng)絡(luò)訓(xùn)練
　　為了使產(chǎn)生的網(wǎng)絡(luò)對(duì)輸入向量有一定的容錯(cuò)能力，最好的辦法是使用理想的信號(hào)和帶有噪聲的信號(hào)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。使用不同信號(hào)的訓(xùn)練都是通過(guò)BP網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)的。網(wǎng)絡(luò)學(xué)習(xí)的速率和沖量參數(shù)設(shè)置為自適應(yīng)改變，并使用函數(shù)trainlm進(jìn)行快速訓(xùn)練。
3.3.1 理想樣本訓(xùn)練
　　首先用理想的輸入信號(hào)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到平方和誤差足夠小。下面進(jìn)行理想樣本訓(xùn)練，訓(xùn)練結(jié)束條件為：最大次數(shù)為1 000，誤差平方和為0.000 01。訓(xùn)練代碼如下：
　　net.performFcn='sse';
　　net.trainParam.goal=0.00001;
　　net.trainParam.show=5;
　　net.trainParam.epochs=1000;
　　net.trainParam.mc=0.95;
　　[net,tr]=train(net,p,t);
　　訓(xùn)練過(guò)程誤差變化情況可通過(guò)MATLAB進(jìn)行觀察，訓(xùn)練結(jié)果為：
　　TRAINLM, Epoch 77/1000, SSE 6.58108e-006/1e-005, Gradient 8.03024e-005/1e-010
　　TRAINLM, Performance goal met.
　　可見(jiàn)，經(jīng)過(guò)77次訓(xùn)練后，網(wǎng)絡(luò)誤差達(dá)到要求，結(jié)果如圖3所示。

本文引用地址：http://butianyuan.cn/article/180043.htm

3.3.2 加噪樣本訓(xùn)練
　　為了保證設(shè)計(jì)的網(wǎng)絡(luò)對(duì)噪聲不敏感，有必要用10組帶有噪聲的信號(hào)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，設(shè)置向字母表加入的噪聲信號(hào)平均值分別為0.1和0.2。這樣就可以保證神經(jīng)元網(wǎng)絡(luò)學(xué)會(huì)在辨別帶噪聲信號(hào)的字母表向量時(shí)，也能對(duì)理想的字母向量有正確的識(shí)別。同時(shí)在輸入帶有誤差的向量時(shí)，要輸入兩倍重復(fù)的無(wú)誤差信號(hào)，其目的是為了保證網(wǎng)絡(luò)在分辨理想輸入向量時(shí)的穩(wěn)定性。
　　在輸入理想樣本上加入噪聲的信號(hào)后，網(wǎng)絡(luò)的訓(xùn)練過(guò)程誤差變化情況也可通過(guò)MATLAB進(jìn)行觀察。選取其中的一組，觀察系統(tǒng)輸出結(jié)果如下：
　　TRAINLM, Epoch 30/1000, SSE 4.45738e-006/1e-005, Gradient 5.97808e-005/1e-010
　　TRAINLM, Performance goal met.
　　結(jié)果如圖4所示。