c# - EmguCV中的多层感知器

我正在尝试在C#(Windows Form)中使用EmguCV 3.1(OpenCV库的点NET包装器)实现多层感知器(MLP)神经网络。为了练习该库，我决定使用MLP实现OR操作。

我使用“Initialize”方法创建MLP，并使用“Train”方法学习它，如下所示:

private void Initialize()
{
    NETWORK.SetActivationFunction(
    ANN_MLP.AnnMlpActivationFunction.SigmoidSym);

    NETWORK.SetTrainMethod(ANN_MLP.AnnMlpTrainMethod.Backprop);

    Matrix<double> layers = new Matrix<double>(new Size(4, 1));
    layers[0, 0] = 2;
    layers[0, 1] = 2;
    layers[0, 2] = 2;
    layers[0, 3] = 1;
    NETWORK.SetLayerSizes(layers);
}

private void Train()
{
    // providing data for input

    Matrix<float> input = new Matrix<float>(4, 2);
    input[0, 0] = MIN_ACTIVATION_FUNCTION; input[0, 1] = MIN_ACTIVATION_FUNCTION;
    input[1, 0] = MIN_ACTIVATION_FUNCTION; input[1, 1] = MAX_ACTIVATION_FUNCTION;
    input[2, 0] = MAX_ACTIVATION_FUNCTION; input[2, 1] = MIN_ACTIVATION_FUNCTION;
    input[3, 0] = MAX_ACTIVATION_FUNCTION; input[3, 1] = MAX_ACTIVATION_FUNCTION;

    //providing data for output
    Matrix<float> output = new Matrix<float>(4, 1);
    output[0, 0] = MIN_ACTIVATION_FUNCTION;
    output[1, 0] = MAX_ACTIVATION_FUNCTION;
    output[2, 0] = MAX_ACTIVATION_FUNCTION;
    output[3, 0] = MAX_ACTIVATION_FUNCTION;


    // mixing input and output for training
    TrainData mixedData = new TrainData(
        input,
        Emgu.CV.ML.MlEnum.DataLayoutType.RowSample,
        output);

    // stop condition = 1 million iterations
    NETWORK.TermCriteria = new MCvTermCriteria(1000000);

    // training
    NETWORK.Train(mixedData);
}

其中MIN_ACTIVATION_FUNCTION和MAX_ACTIVATION_FUNCTION分别等于-1.7159和1.7159(according to OpenCV Documentation)。经过1000000次迭代(如您在停止条件下的代码中所见)，我使用Predict方法测试网络的预测，如下所示:

private void Predict()
{
    Matrix<float> input = new Matrix<float>(1, 2);
    input[0, 0] = MIN_ACTIVATION_FUNCTION;
    input[0, 1] = MIN_ACTIVATION_FUNCTION;

    Matrix<float> output = new Matrix<float>(1, 1);

    NETWORK.Predict(input, output);
    MessageBox.Show(output[0, 0].ToString());

    //////////////////////////////////////////////

    input[0, 0] = MIN_ACTIVATION_FUNCTION;
    input[0, 1] = MAX_ACTIVATION_FUNCTION;

    NETWORK.Predict(input, output);
    MessageBox.Show(output[0, 0].ToString());

    //////////////////////////////////////////////

    input[0, 0] = MAX_ACTIVATION_FUNCTION;
    input[0, 1] = MIN_ACTIVATION_FUNCTION;

    NETWORK.Predict(input, output);
    MessageBox.Show(output[0, 0].ToString());

    ////////////////////////////////////////////////

    input[0, 0] = MAX_ACTIVATION_FUNCTION;
    input[0, 1] = MAX_ACTIVATION_FUNCTION;

    NETWORK.Predict(input, output);
    MessageBox.Show(output[0, 0].ToString());
}

这是NETWORK预测的示例:
-0.00734469
-0.03184918
0.02080269
-0.006674092

我希望是这样的:
-1.7
+1.7
+1.7
+1.7

我的代码有什么问题？

请注意，我也为MIN_ACTIVATION_FUNCTION和MAX_ACTIVATION_FUNCTION值使用了0、1，但是仍然没有任何好的结果。

更新1:
我以我的第一个答案为引用来编辑我的代码(即使我使用注释中引用的想法来测试我的代码)。现在，当我调用NaN方法时，我得到了predict。

最佳答案

似乎在提供输出数据时出错。使用output数组而不是input。

我认为您的输出响应应该是2D矩阵(带有2列)。最后一层应该有2个输出神经元，因为您有2个类，例如(1, 0) is class "True"和(0, 1) is class "False"。另外，请尝试更改网络的体系结构。逻辑运算符OR是线性可分离的，即可以使用单个感知器执行。

关于c# - EmguCV中的多层感知器，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43399268/