本文主要是介绍bp神经网络图像特征提取,神经网络提取特征分析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
神经网络需要特征提取吗
谷歌人工智能写作项目：神经网络伪原创
哪些神经网络可以用在图像特征提取上
BP神经网络、离散Hopfield网络、LVQ神经网络等等都可以写作猫。
1.BP（BackPropagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。
BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。
BP神经网络模型拓扑结构包括输入层（input）、隐层(hiddenlayer)和输出层(outputlayer)。
2.Hopfiled神经网络是一种递归神经网络，由约翰·霍普菲尔德在1982年发明。Hopfield网络是一种结合存储系统和二元系统的神经网络。
它保证了向局部极小的收敛，但收敛到错误的局部极小值（localminimum），而非全局极小（globalminimum）的情况也可能发生。Hopfiled网络也提供了模拟人类记忆的模型。
3.LVQ神经网络由三层组成，即输入层、隐含层和输出层，网络在输入层与隐含层间为完全连接，而在隐含层与输出层间为部分连接，每个输出层神经元与隐含层神经元的不同组相连接
这篇关于bp神经网络图像特征提取,神经网络提取特征分析的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
