matlab中的神经网络设计答案

【问题标题】：Neural Network design in matlabmatlab中的神经网络设计
【发布时间】：2014-01-27 01:56:12
【问题描述】：

我正在研究语音识别，我正在尝试在 Matlab 中使用神经网络设计一种语音识别算法。如何定义网络结构？

【问题讨论】：

标签： matlab

【解决方案1】：

Matlab 有一个Neural Network Toolbox。也许你可以看看那个？

【讨论】：

我正在使用该工具箱..但是有任何选项可以手动定义输入和输出层神经元。
我已经很久没有使用这个工具箱了，但我记得这样的事情是可能的。不幸的是，我不记得具体是如何...

【解决方案2】：

您的问题很笼统。您应该向我们提供有关您想要做什么的更具体的细节。但是，根据我使用此工具箱进行车牌识别的经验，我给您一些使用 Matlab 神经网络工具箱的技巧。希望对您有所帮助。
1-您需要知道将使用多少隐藏层以及输出数量。在我的例子中，我指定了 20 个隐藏层和 9 个输出。
2-您首先需要有一个数据集。您将使用此数据集来训练您的神经网络。在 LPR 的情况下，我使用 90x50 矩阵作为我的数据集。每行代表一个数字，包含从数字图像中提取的 50 个数字。
3- 您将需要一个目标矩阵来将您的数据集映射到已知输出（因此称为训练）。
以下语法定义了提到的网络：

net = newff(minmax(datasetNormalized'),[20 9],{'logsig' 'logsig'},'traingdx');

为了训练我们编写的网络：

[net,tr]=train(net,datasetNormalized',T);

我们使用以下代码向网络提供一个新的输入：

[dummy,b]=max(sim(net,m_normalized'));

b 是我们在这里寻找的答案（以最大概率输出），因此我们将其显示给用户：

msgbox(['digit is: ' num2str(b)],'Digit recognized','help');

如果您想确切了解我的代码在做什么，这是完整的源代码：

clc
clear
close all

numOfPhotos=90;
imgRows=100;
imgCols=50;

X=zeros(numOfPhotos,(imgRows*imgCols)/100);




%%Resize Images
%  myresize(imgRows,imgCols);


%read train images
datasetIndex=0;    

for i=1:numOfPhotos/10
    for j=1:numOfPhotos/9           
        datasetIndex=datasetIndex+1;
    im=imread(['resized_train_numbers\' num2str(i) ' (' num2str(j) ').jpg']);
    im=im2bw(im,graythresh(im));    

    c=1;
    for g=1:imgRows/10
        for e=1:imgCols/10
            s=sum(sum(im((g*10-9:g*10),(e*10-9:e*10))));
            X(datasetIndex,c)=s;
            c=c+1;            
        end    
    end

    end
end
datasetNormalized=zeros(numOfPhotos,imgRows*imgCols/100);
%%Normalize dataset contents
minDataset=min(min(X));
maxDataset=max(max(X));
for i = 1:numOfPhotos
    for j=1:imgRows*imgCols/100
        datasetNormalized(i, j) = (X(i,j)-minDataset)/(maxDataset-minDataset);
    end
end




% 
%%Neural network part


% T=zeros(1,90);
% for  i=1:90
%     T(i)=ceil(i/10);
% end

T=zeros(9,90);
for j=1:90
    i=ceil(j/10);
    T(i,j)=1;
end

% net=newff(datasetNormalized',T,20);
net = newff(minmax(datasetNormalized'),[20 9],{'logsig' 'logsig'},'traingdx');

net.performFcn='sse';
net.trainParam.goal=0.01;
net.trainParam.show=20;
net.trainParam.epochs=100;
net.trainParam.mc=0.95;
% net.trainFcn='trainlm';
net.trainParam.min_grad=1e-12;
[net,tr]=train(net,datasetNormalized',T);




%Read input image for recognition
[name file]=uigetfile('*.jpg','Choose Plate Digit Image');
newImg=imread([file name]);
newImg=imresize(newImg,[imgRows imgCols]);
newImg=im2bw(newImg,graythresh(newImg));
figure,imshow(newImg);

m=zeros(1,imgRows*imgCols/100);
c=1;
for g=1:imgRows/10
        for e=1:imgCols/10
            s=sum(sum(newImg((g*10-9:g*10),(e*10-9:e*10))));
            m(c)=s;
            c=c+1;            
        end
end
%Normalize m contents

m_normalized=zeros(1,imgRows*imgCols/100);
for i=1:imgRows*imgCols/100    
        m_normalized(i)=(m(i)-min(m))/(max(m)-min(m));
end


[dummy,b]=max(sim(net,m_normalized'));
% b=round(sim(net,m_normalized'));
msgbox(['digit is: ' num2str(b)],'Digit recognized','help');

【讨论】：