BP与CNN在人脸识别方面的优劣

weixin_46628808 2020-06-06 10:20:35

求问在人脸识别方面BP神经网络有没有什么优于卷积神经网络方面的呢

...全文

286 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

mindGates 2020-10-15

打赏
举报

回复

你就像在问：男人比石头好在哪里一样。
BP是反向传播算法，可以用于各种神经网络。卷积NN只是其中一种。

CNN是卷积神经网络的简称，全称convolutional neural network ,是在ANN（人工神经网络）中演变而来的。 CNN的单元是神经元，如下一个简单的神经元包括了树突（dendrites）、核心（nucleus）、轴突（axon）、轴突末梢（axon terminals）。其中树突用来感受外界刺激，集中于细胞的核心，然后经过轴突将冲动传于神经末梢，最后再传到下一神经元。 ...

AI神经网络CNN/RNN/DNN/SNN的区别对比

行为识别是指计算机从包含人的视频或图片序列中提取人体行为特征，对人的行为进行理解和分类，是计算机视觉领域中应用广泛的方向。随着社会对实现人工智能的日趋迫切，机器学习成为必经的途径，而深度学习作为其代表方向被普遍学习应用。本文基于Tensorflow使用CNN来实现识别，数据来源WISDM实验室。本文主要以基于卷积网络的行为识别这一论题为中心进行研究与介绍，主要结论如下：（1）阐述了基本ANN的相关理论知识，CNN是其派生物，要掌握CNN就得先了解ANN。

1.背景介绍人工智能（Artificial Intelligence，AI）是计算机科学的一个分支，研究如何让计算机模拟人类的智能。人工智能的一个重要分支是深度学习（Deep Learning），它是一种通过多层人工神经网络来模拟人脑神经网络的学习方法。在深度学习中，神经网络是最重要的组成部分。BP神经网络（Back Propagat

3、基于MATLAB 语言的网络训练与仿真建立并初始化网络% ================S1 = 24;在学习阶段应该用大量的样本进行训练学习，通过样本的大量学习对神经网络的各层网络的连接权值进行修正，使其对样本有正确的识别结果，这就像人记数字一样，网络中的神经元就像是人脑细胞，权值的改变就像是人脑细胞的相互作用的改变，神经网络在样本学习中就像人记数字一样，学习样本时的网络权值调整就相当于人记住各个数字的形象，网络权值就是网络记住的内容，网络学习阶段就像人由不认识数字到认识数字反复学习过程是一样的。

4,445

社区成员

15,335

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章