matlab中的神经网络设计

Question

我正在做语音识别的研究，我正在尝试在Matlab中设计一种使用神经网络进行语音识别的算法。如何定义网络的结构？？

Answer 1

Matlab有一个Neural Network Toolbox。也许你可以看看这个？

Answer 2

你的问题是非常普遍的。你应该告诉我们你想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，我将给您一些关于使用Matlab神经网络工具箱的提示。希望能有所帮助。

1-你需要知道你将使用多少个隐藏层以及你的输出的数量。在我的例子中，我指定了20个隐藏层和9个输出。

2-你需要先有一个数据集。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。每一行代表一个数字，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');

为了训练网络，我们写道：

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

我们使用以下代码向网络提供新的输入：

[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');

如果你想知道我的代码到底在做什么，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');