0


基于Halcon的MLP(多层感知神经网络)分类器分类操作实例

一、介绍
人工神经网络(Artificial Neural Network,ANN)简称神经网络(Neural Network,NN)或类神经网络,是一种模仿生物神经网络的结构和功能的数学模型或计算模型,用于对函数进行估计或近似。

    MLP神经网络是一种基于神经网络、动态的分类器。MLP分类器使用神经网络来推导能将类别区分开来的超平面。使用超平面进行分割,如果只有两个类别,超平面会将各特征向量分为两类。如果类别的数量不止两个,就应当选择与特征向量距离最大的那个超平面作为分类平面。神经网络可能是单层的,也可能是多层的。如果特征向量不是线性可分的,则可以使用更多层的神经网络。

    MLP神经网络主要由输入层、隐藏层、输出层构成。当隐藏层只有一层时,该网络为两层神经网络,因为输入层未做任何变换,可以不看做单独一层。实际中,网络输入层的每个神经元代表了一个特征,输入层个数代表了分类类别个数,而隐藏层层数以及隐藏层神经元由人工设定。

    多层神经网络的典型结构是一层输入单元层、一层或多层隐藏节点层、一层输出单元层。理论上如果隐藏层的节点数足够多,那么只需要一层隐藏层就可以解决所有分类问题。

    在神经网络的每一个节点或者处理单元内,都有算子根据前一层的计算结果来计算特征向量的线性相关关系。MLP分类器可以用于通用特征的分类、图像分割、OCR等。

神经网络示意图
设计一个神经网络时,


本文转载自: https://blog.csdn.net/weixin_50016546/article/details/129417869
版权归原作者 NCUTer 所有, 如有侵权,请联系我们删除。

“基于Halcon的MLP(多层感知神经网络)分类器分类操作实例”的评论:

还没有评论