Perché la rete neurale non è in grado di prevedere?

Question

Sto provando ad addestrare una rete neurale usando il backpropagation algo. in OpenCV 2.3. Tuttavia non si preannuncia correttamente ... nemmeno sul set di dati di addestramento. Qualcuno potrebbe aiutarmi a trovare cosa c'è di sbagliato qui?

training_feature_matrix - matrice Nx69 di galleggiante valori

training_age_matrix - matrice NX4 di galleggiante valori

test_feature_matrix - matrice Mx69 di galleggiante valori

test_age_matrix - matrice Mx4 di galleggiante valori

la caratteristica matrici (menzionate sopra) sono come: [0.123435, 0.4542665, 0.587545, ... 68-tali valori + ultimo valore '1.0 o 2.0' a seconda del suo maschio/femmina)

le matrici di età (sopra menzionate) sono come: [1, 0, 0, 0; 1, 0, 0, 0; 0, 1, 0, 0; ...] qui 1s mostra la classe di età (bambino, bambino, adulto, vecchio) a cui appartiene la riga corrispondente della matrice di caratteristiche.

ecco il codice: chiamo funzione 'MLP' utilizzando matrici sopra come parametri)

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; 
} 

EDIT Inoltre, le ann.get_weights (0) & ann.get_layer_sizes() tornano valori immondizia ma ann.get_layer_count() sta tornando valore corretto 3.

Grazie :)

Answer 1

Indietro propagazione non sempre convergono. È molto probabile che esploda e produca sciocchezze. Questo è probabile se i valori epsilon o momentum_scale sono troppo grandi. Il tuo slancio sembra essere nella parte più alta di ciò che potrebbe funzionare e proverei a ridurlo.

Answer 2

È passato molto tempo da quella domanda ma condividerò la risposta. Ho avuto un problema simile con i valori di uscita di sigmoid. È risolto ora. È possibile controllare il mio problema qui:

OpenCV Neural Network Sigmoid Output

In sintesi l'errore, che è in corso a causa delle parametri predefiniti della funzione di creare MLP. Utilizzare in questo modo: ann.create (livelli, CvANN_MLP :: SIGMOID_SYM, 1, 1).