void testNeuralNets()
{
//为分类和回归创建一个多层感知器
//参数说明: NumInput输入变量的个数, NumHidden隐藏层的单元数, NumOutput输出变量的数目, OutputFunction输出层激励函数的类型,
//Preprocessing转换特征向量的预处理类型, NumComponents转换特征的数目, RandSeed初始化多层感知器的随机数种子
Hlong NumInput=3, NumHidden=1, NumOutput=2;
HString OutputFunction = "softmax", Preprocessing = "normalization";
Hlong NumComponents=3, RandSeed=42;
HClassMlp classMlp;
classMlp.CreateClassMlp(NumInput, NumHidden, NumOutput, OutputFunction, Preprocessing, NumComponents, RandSeed);
Halcon学习 多层神经网络
最新推荐文章于 2024-08-14 09:00:27 发布
本文深入探讨了使用Halcon进行深度学习时如何构建和应用多层神经网络,涵盖了网络结构设计、训练过程及实际应用案例,旨在帮助读者掌握Halcon在机器视觉领域的神经网络应用。
摘要由CSDN通过智能技术生成