基于神经网络的人脸识别（附代码）.docxVIP

【代码及说明见第四页】 基于三层BP神经网络的人脸识别 实验要求 采用三层前馈BP神经网络实现标准人脸YALE数据库的识别。 二、BP神经网络的结构和学习算法 实验中建议采用如下最简单的三层BP神经网络，输入层为，有n个神经元节点，输出层具有m个神经元，网络输出为,隐含层具有k个神经元，采用BP学习算法训练神经网络。 BP神经网络的结构 BP网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对BP网络加以训练，网络就具有输入输出对之间的映射能力。 BP网络执行的是有教师训练，其样本集是由形如（输入向量，期望输出向量）的向量对构成的。在开始训练前，所有的权值和阈值都应该用一些不同的小随机数进行初始化。 BP算法主要包括两个阶段： (1) 向前传播阶段 ①从样本集中取一个样本(Xp,Yp)，将Xp输入网络，其中Xp为输入向量，Yp为期望输出向量。 ②计算相应的实际输出Op。 在此阶段，信息从输入层经过逐级的变换，传送到输出层。这个过程也是网络在完成训练后正常运行时执行的过程。在此过程中，网络执行的是下列运算： (2) 向后传播阶段 ①计算实际输出Op与相应的理想输出Yp的差； ②按极小化误差的方法调整权矩阵。 这两个阶段的工作一般应受到精度要求的控制，定义