把subFeatureMap2连接成为一个4412192的向量但是由于采用了50样本批训练的方法subFeatureMap2被拼合成为一个19250的特征向量fv
Fv作为单层感知机的输入全连接的方式得到输出层
f五、c
bpm
该函数实现2部分功能计算并传递误差计算梯度
1、计算误差和LossFu
ctio
2、计算尾部单层感知机的误差
3、把单层感知机的输入层featureVector的误差矩阵恢复为subFeatureMap2的44二维矩阵形式
f插播一张图片
4、误差在特征提取网络【卷积降采样层】的传播
如果本层是卷积层它的误差是从后一层降采样层传过来误差传播实际上是用降采样的反向过程也就是降采样层的误差复制为224份。卷积层的输入是经过sigmoid处理的所以从降采样层扩充来的误差要经过sigmoid求导处理。
如果本层是降采样层他的误差是从后一层卷积层传过来误差传播实际是用卷积的反向过程也就是卷积层的误差反卷积卷积核转180度卷积层的误差原理参看插图。
f5、计算特征抽取层和尾部单层感知机的梯度
f五、c
applygradsm
该函数完成权重修改更新模型的功能
1更新特征抽取层的权重weightbias
2更新末尾单层感知机的权重weightbias
f六、c
testm
验证测试样本的准确率
11
内蒙古大学计算机学院模式识别小组小强
fr