蜜蜂CNN模糊進化深度學習算法（人臉識別，智能優化算法，MATLAB源碼分享）
在訓練階段之后，可以使用進化算法擬合深度學習權重和偏差。
這里，CNN用于對8個人臉類別進行分類。
在CNN訓練之后，創建初始模糊模型以幫助學習過程。
最后，CNN網絡權重（來自全連接層）使用蜜蜂算法訓練，以自然啟發的方式進行擬合（這里是蜜蜂的行為）。
可以將數據與任意數量的樣本和類一起使用。
請記住，代碼的參數是根據數據進行調整的，如果要替換數據，可能需要更改參數。
圖像數據大小為64*64，2維，存儲在“CNNDat”文件夾中。
因此，重要的參數如下：
“numTrainFiles”=您必須根據每個類中的樣本數量來更改它。
例如，如果每個類有120個樣本，那么90個就足夠好了，因為90個樣本用于訓練，而其他樣本用于測試。
“imageInputLayer”=圖像數據的大小，如[64 64 1]
“fullyConnectedLayer（完全連接層）”=類的數量，如（8）
“MaxEpochs”=越多越好，計算運行時間越長，如405。
“ClusNum”=模糊C均值（FCM）聚類數，如3或4很好

ID:5630691054012440

總結

以上是生活随笔為你收集整理的蜜蜂CNN模糊进化深度学习算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。