BP神经网络的基本原理 - 一看就懂

5.6 最终训练后的神经网络结构

采用三层BP网络实现摄像机输出RGB颜色空间与CIEXYZ色空间转换，其中隐层含有12个节点，传递函数采用tansig函数；输出层传递函数选用purelin函数。经过测试后结果满意，可以认为该神经网络可以用来实现这个关系映射。网络的结构如图5.9所示：

得到的BP神经网络的权值和阈值为：

5.7 本章小结

1) 定量地分析了用线性关系转换摄像机RGB空间到CIE-XYZ空间数据后产生的均方误差，表明CCD摄像机与标准观察者之间有比较明显的差别，也就是说RGB与CIE-XYZ间的转换是非线性的。

2) 采用MATLAB 中神经网络工具箱实现多层前馈BP网络的RGB到CIEXYZ颜色空间转换，用经过归一化的训练样本与测试样本对隐层节点数为12的三层网络进行训练，得到的训练误差为9.89028×10-5，测试误差为1.9899×10-4，结果表明经过训练的多层前馈BP网络可以满足RGB空间向CIEXYZ颜色空间转换要求，达到了预定目标。

3) 确定了用于RGB和XYZ颜色空间转换的BP网络结构，并求出了该神经网络的权值和阈值。使用该网络可以定量表达食品颜色，定量比较高压加工食品颜色的变化，可以使食品颜色测定和控制实现定量化，而不再是主观性很强的模糊描述。