关于matlab深度学习算法工程师的问题

来源：蜘蛛抓取(WebSpider) 时间：2016-05-08 09:41 标签： 深度学习算法基本原理
本人正在做基于深度学习的人脸识别毕业设计，但不知道怎样调用相关MATLAB程序代码。_百度知道
本人正在做基于深度学习的人脸识别毕业设计，但不知道怎样调用相关MATLAB程序代码。
下面的截图是（DeepLearnToolbox-master）的程序文件夹和部分相关文件&nbsp.jpg" esrc="http，请教各位大神多多指导:///zhidao/wh%3D600%2C800/sign=6d4e7a957ff40ad115b1cfe/962bd40735fae6cd1cbce6cc0bb30f.baidu.hiphotos.hiphotos://b.com/zhidao/wh%3D450%2C600/sign=95e62fb115dfa9ecfd7b5e/962bd40735fae6cd1cbce6cc0bb30f.jpg" esrc="/zhidao/pic/item/b58f8c5494eef01f231e25bc317d10，也是在MATLAB的基础上进行人脸图像的处理。毕业论文交稿在即，用深度学习算法来进行人脸识别就更不懂了; &nbsp.hiphotos？因为MATLAB的基础也不好.jpg" target="_blank" title="点击查看大图" class="ikqb_img_alink"><img class="ikqb_img" src="http.baidu://h. &nbsp://h://b？<a href="http.baidu，但不知道怎样调用里面的程序.hiphotos
人脸识别毕业设计有啊，你要干嘛，给你参考.
是基于深度学习的人脸识别，就是不知道怎么调用程序，您有这相关的学习资料吗？
其他类似问题
为您推荐：
其他5条回答
你好，我目前也在做基于深度学习的识别，方便一起讨论吗，私信联系方式
电路仿真，程序 论文的。是
有啊，你要干嘛，给你参考
问题解决了吗？没有解决的话可以找我。
我也想了解
人脸识别的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于深度学习的图像自动标注算法.pdf11页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：120 &&
基于深度学习的图像自动标注算法.pdf
你可能关注的文档：
··········
··········
ＩＳＳＮ１００４９０３７ＣＯＤＥＮ ＳＣＹＣＥ４ － ｈｔｔ ｓｃ．ｎｕａａ．ｅｄｕ．ｃｎ ｐ
ＪｏｕｒｎａｌｏｆＤａｔａＡｃ ｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎ Ｖｏｌ．３０ Ｎｏ．１ Ｊａｎ．２０１５ ．８８－９８ ｑ ｇ ｐｐ Ｅｍａｉｌ ｓｃ ｎｕａａ．ｅｄｕ．ｃｎ － ＠ ｊｊ ： ／ ／
ＤＯＩ １０．１６３３７ ．１００４ ９０３７．２０１５．０１．００８ ｊ
－ Ｔｅｌ Ｆａｘ ＋８６ ０２５８４８９２７４２ － － ２０１５ｂ
ＪｏｕｒｎａｌｏｆＤａｔａＡｃ ｕｉｓｉｔｉｏｎａｎｄＰｒｏｃｅｓｓｉｎ ｙ ｑ ｇ ＊
基于深度学习的图像自动标注算法
杨 阳 张文生
， ） 中国科学院自动化研究所 北京 １００１９０ ： 。
摘 要 图像的自动标注是图像检索领域一项基础而又富有挑战性的任务 深度学习算法自提出以来 ， “ ” 。
在图像和文本识别领域取得了巨大的成功 是一种解决 语义鸿沟 问题的有效方法 图像标注问题可 。
以分解为基于图像与标签相关关系的基本图像标注和基于标注词汇共生关系的标注改善两个过程 文 ， 。
中将基本图像标注问题视为一个多标记学习问题 图像的标签先验知识作为深度神经网络的监督信息 ， 。
在得到基本标注词汇的基础上 利用原始图像标签词汇的依赖关系与先验分布改善了图像的标注结果 ，
最后将所提出的改进的深度学习模型应用于 和 图像数据集 验证了该模型框架及所提出的 Ｃｏｒｅｌ
解决方案的有效性。 ： ； ； ；
关键词 机器学习 深度学习 神经网络 图像自动标注
中图分类号： 文献标志码： ＴＰ３９ Ａ
ＩｍａｅＡｕｔｏ
正在加载中，请稍后...深度信任网络DBN的一个matlab实例 - 推酷
深度信任网络DBN的一个matlab实例
关于深度学习的一些个人浅见：
深度学习通常是训练深度（多层）神经网络，用于模式识别（如语音、图像识别）；深度网络 指是具有深层（多层）网络结构的神经网络。
深层网络由于神经元多，参数多，拟合表现能力强，有表现欲解决复杂问题的能力。
但是深度网络存在很多局部最优解，深度网络的训练容易停留在局部最优上，初始参数的选择对网络最终收敛在那个位置有很大的影响。
采用限制玻尔兹曼机RBM对深度网络做逐层无监督训练，将各单层训练得到的参数作为深度网络各层神经元的初始参数，该参数是深度网络参数空间的一个较好位置（容易）。
RBM逐层训练出深度网络参数初值后，在用传统的BP算法对深度网络进行训练，如此，深度网络的参数最终将收敛在一个好的位置。
RBM通过迭代大量数据的无监督训练，把能够提炼出训练数据的较本质的特征，这被认为是好的初始参数。
本例子为matlab编写，为用数字识别训练一个手写数字识别的深度神经网络。
另外需要DBN的支持代码，可以从这里下载：http://download.csdn.net/detail/hzq/7857735
网络结构采用&784,400,200,100,50,20,10的网络结构。
function aGetDeepNet()
%得到训练数据
load('adata.mat','train_digitdata','train_targets');
X = train_
Y = train_
%输入数据初始化
Xmin = min(X);
Xmax = max(X);
X = bsxfun(@rdivide,bsxfun(@minus,X,Xmin),(Xmax-Xmin));
%RBM训练得到第一隐层的网络参数，rbm输入为图片数据
rbm1 = rbm([784,400]);
rbm1 = checkrbmtrain(@rbmtrain1,rbm1,X,50,0.1);
net_rbm1 = rbm2nnet(rbm1,'up');
h1 = nnetfw(net_rbm1,X);
%RBM训练得到第二隐层的网络参数，输入为第一隐层的输出
rbm2 = rbm([400,200]);
rbm2 = checkrbmtrain(@rbmtrain1,rbm2,h1,50,0.1);
net_rbm2 = rbm2nnet(rbm2,'up');
h2 = nnetfw(net_rbm2,h1);
%RBM训练得到第三隐层的网络参数，输入为第二隐层的输出
rbm3 = rbm([200,100]);
rbm3 = checkrbmtrain(@rbmtrain1,rbm3,h2,50,0.1);
net_rbm3 = rbm2nnet(rbm3,'up');
h3 = nnetfw(net_rbm3,h2);
%RBM训练得到第四隐层的网络参数，输入为第三隐层的输出
rbm4 = rbm([100,50]);
rbm4 = checkrbmtrain(@rbmtrain1,rbm4,h3,50,0.1);
net_rbm4 = rbm2nnet(rbm4,'up');
h4 = nnetfw(net_rbm4,h3);
%RBM训练得到第五隐层的网络参数，输入为第四隐层的输出
rbm5 = rbm([50,20]);
rbm5 = checkrbmtrain(@rbmtrain1,rbm5,h4,50,0.1);
net_rbm5 = rbm2nnet(rbm5,'up');
h5 = nnetfw(net_rbm5,h4);
%构建深度网络，并初始化参数为rbm训练出的参数。
net1 = nnet([784,400,200,100,50,20,10],'softmax');
net1.w{1} = net_rbm1.w{1};
net1.w{2} = net_rbm2.w{1};
net1.w{3} = net_rbm3.w{1};
net1.w{4} = net_rbm4.w{1};
net1.w{5} = net_rbm5.w{1};
%对深度网络进行BP训练
net2 = nnettrain(net1,X,Y,1000);
已发表评论数()
已收藏到推刊！
请填写推刊名
描述不能大于100个字符!
权限设置： 公开
仅自己可见
正文不准确
标题不准确
排版有问题
没有分页内容
图片无法显示
视频无法显示
与原文不一致

我要回帖

更多关于 深度学习算法基本原理 的文章

 

随机推荐