如何通过人工神经网络来实现图像识别功能
（文章来源：云端高科）
人工神经网络（artificial neural networks）（简称ann）系统从20 世纪40 年代末诞生至今仅短短半个多世纪，但由于他具有信息的分布存储、并行处理以及自学习能力等优点，已经在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用。尤其是基于误差反向传播（error back propagation）算法的多层前馈网络（multiple-layer feedforward network）(简称bp 网络)，可以以任意精度逼近任意的连续函数，所以广泛应用于非线性建模、函数逼近、模式分类等方面。
目标识别是模式识别领域的一项传统的课题，这是因为目标识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不同的课题中，由于具体的条件不同，解决的方法也不尽相同，因而目标识别的研究仍具有理论和实践意义。这里讨论的是将要识别的目标物体用成像头(红外或可见光等)摄入后形成的图像信号序列送入计算机，用神经网络识别图像的问题。
一、bp 神经网络，bp 网络是采用widrow-hoff 学习算法和非线性可微转移函数的多层网络。一个典型的bp 网络采用的是梯度下降算法，也就是widrow-hoff 算法所规定的。backpropagation 就是指的为非线性多层网络计算梯度的方法。一个典型的bp 网络结构如图所示。
我们将它用向量图表示如下图所示。
其算法描述如下：
（1）初始化网络及学习参数，如设置网络初始权矩阵、学习因子等。
（2）提供训练模式，训练网络，直到满足学习要求。
（3）前向传播过程：对给定训练模式输入，计算网络的输出模式，并与期望模式比较，若有误差，则执行（4）；否则，返回（2）。
（4）后向传播过程：a. 计算同一层单元的误差；b. 修正权值和阈值；c. 返回（2）
二、 bp 网络隐层个数的选择，对于含有一个隐层的三层bp 网络可以实现输入到输出的任何非线性映射。增加网络隐层数可以降低误差，提高精度，但同时也使网络复杂化，增加网络的训练时间。误差精度的提高也可以通过增加隐层结点数来实现。一般情况下，应优先考虑增加隐含层的结点数。
三、隐含层神经元个数的选择，当用神经网络实现网络映射时，隐含层神经元个数直接影响着神经网络的学习能力和归纳能力。隐含层神经元数目较少时，网络每次学习的时间较短，但有可能因为学习不足导致网络无法记住全部学习内容；隐含层神经元数目较大时，学习能力增强，网络每次学习的时间较长，网络的存储容量随之变大，导致网络对未知输入的归纳能力下降，因为对隐含层神经元个数的选择尚无理论上的指导，一般凭经验确定。
浪潮推出四种存储服务的分布式存储平台
中国第二大传感器企业宝座易主！14家公司新上市！国产传感器风起云涌！（附最新市值排名榜单）
FPGA或将取代CPU而成为机器人开发的新宠
中国移动计划2020年实现全国范围的5G商用
OPPO的当家花旦R系列不再更新了,OPPO R17、R17 Pro成绝唱
如何通过人工神经网络来实现图像识别功能
允许式方向高频保护工作原理
发动机ECU改装常见问题与解决方法
MEMS加速度计工作原理介绍
分布式系统及大数据分析系统成功用于临沂城市管理局指挥中心
SPI总线的原理是什么？怎样设计一种可复用的高速SPI总线？
基于LT3796-1控制器的高可靠性和高性能模拟调光系统的设计
同步降压型DC/DC转换器LTC3560的功能特点及适用范围
新型镍镉电池和电充电器及电路图
Silicon Labs发布时钟行业超小尺寸、超低抖动的 I2C可编程晶体振荡器
东芝存储迎合智慧建设新需求
词典笔选哪个好？有道词典笔、阿尔法蛋、科大讯飞词典笔测评来了....
真空断路器结构原理
同步电机的电枢反应介绍_电枢反应电抗和同步电抗有什么区别
日本NTT将与英特尔和索尼共同合作研发6G技术
人工神经网络（artificial neural networks）（简称ann）系统从20 世纪40 年代末诞生至今仅短短半个多世纪，但由于他具有信息的分布存储、并行处理以及自学习能力等优点，已经在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用。尤其是基于误差反向传播（error back propagation）算法的多层前馈网络（multiple-layer feedforward network）(简称bp 网络)，可以以任意精度逼近任意的连续函数，所以广泛应用于非线性建模、函数逼近、模式分类等方面。
目标识别是模式识别领域的一项传统的课题，这是因为目标识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不同的课题中，由于具体的条件不同，解决的方法也不尽相同，因而目标识别的研究仍具有理论和实践意义。这里讨论的是将要识别的目标物体用成像头(红外或可见光等)摄入后形成的图像信号序列送入计算机，用神经网络识别图像的问题。
一、bp 神经网络，bp 网络是采用widrow-hoff 学习算法和非线性可微转移函数的多层网络。一个典型的bp 网络采用的是梯度下降算法，也就是widrow-hoff 算法所规定的。backpropagation 就是指的为非线性多层网络计算梯度的方法。一个典型的bp 网络结构如图所示。
我们将它用向量图表示如下图所示。
其算法描述如下：
（1）初始化网络及学习参数，如设置网络初始权矩阵、学习因子等。
（2）提供训练模式，训练网络，直到满足学习要求。
（3）前向传播过程：对给定训练模式输入，计算网络的输出模式，并与期望模式比较，若有误差，则执行（4）；否则，返回（2）。
（4）后向传播过程：a. 计算同一层单元的误差；b. 修正权值和阈值；c. 返回（2）
二、 bp 网络隐层个数的选择，对于含有一个隐层的三层bp 网络可以实现输入到输出的任何非线性映射。增加网络隐层数可以降低误差，提高精度，但同时也使网络复杂化，增加网络的训练时间。误差精度的提高也可以通过增加隐层结点数来实现。一般情况下，应优先考虑增加隐含层的结点数。
三、隐含层神经元个数的选择，当用神经网络实现网络映射时，隐含层神经元个数直接影响着神经网络的学习能力和归纳能力。隐含层神经元数目较少时，网络每次学习的时间较短，但有可能因为学习不足导致网络无法记住全部学习内容；隐含层神经元数目较大时，学习能力增强，网络每次学习的时间较长，网络的存储容量随之变大，导致网络对未知输入的归纳能力下降，因为对隐含层神经元个数的选择尚无理论上的指导，一般凭经验确定。
浪潮推出四种存储服务的分布式存储平台
中国第二大传感器企业宝座易主！14家公司新上市！国产传感器风起云涌！（附最新市值排名榜单）
FPGA或将取代CPU而成为机器人开发的新宠
中国移动计划2020年实现全国范围的5G商用
OPPO的当家花旦R系列不再更新了,OPPO R17、R17 Pro成绝唱
如何通过人工神经网络来实现图像识别功能
允许式方向高频保护工作原理
发动机ECU改装常见问题与解决方法
MEMS加速度计工作原理介绍
分布式系统及大数据分析系统成功用于临沂城市管理局指挥中心
SPI总线的原理是什么？怎样设计一种可复用的高速SPI总线？
基于LT3796-1控制器的高可靠性和高性能模拟调光系统的设计
同步降压型DC/DC转换器LTC3560的功能特点及适用范围
新型镍镉电池和电充电器及电路图
Silicon Labs发布时钟行业超小尺寸、超低抖动的 I2C可编程晶体振荡器
东芝存储迎合智慧建设新需求
词典笔选哪个好？有道词典笔、阿尔法蛋、科大讯飞词典笔测评来了....
真空断路器结构原理
同步电机的电枢反应介绍_电枢反应电抗和同步电抗有什么区别
日本NTT将与英特尔和索尼共同合作研发6G技术