基于神经网络的人脸识别有哪些算法
上次的人脸识别仿真，我们用的是PCA和SVM方法进行人脸识别，该方法仍属于机器学习领域，未涉及神经网络的知识。这次使用的方法是基于PCA和BP神经网络对人脸识别。
其中，PCA的功能和上次一致，是用来对20张图片进行降维处理，最终产生8个主成分作为BP神经网络的输入；神经网络的输出层采用4个神经元，用来区分两个不同的人脸；本例的BP神经网络采用8-10-4的三层结构，输入层神经元数量选取8个，隐含层神经元数量选取10个，输出层神经元数量选取4个。
基于BP 神经网络的环境影响评价方法
爱发猫。
基于BP神经网络的环境影响评价模型的建立过程如下：（1）样本选择根据表3.7、表3.8、表3.9提取建模所需的样本数据（表3.11）表3.118组基坑环境影响工程数据（2）BP神经网络结构设计对于BP网络，对于任何在闭区间内的一个连续函数都可以用单隐层的BP网络逼近，因而一个三层BP网络就可以完成任意的n维到m维的映射。
根据网络结构简单化的原则，确定采用三层BP网络结构，即输入层为支护刚度、岩土性质、降水方式、水文地质边界、基坑侧壁状态、边载分布、后续使用年限、基础型式和差异沉降δ九个参数，输出层为环境等影响级，隐层层数为1层。
隐层的神经元数目选择是一个十分复杂的问题，往往需要根据设计者的经验和多次实验来确定，因而不存在一个理想的解析式来表示。隐单元的数目与问题的要求，与输入、输出单元的数目有直接的关系。
隐单元数目太多会导致学习时间过长，误差不一定最佳，也会导致容错性差、不能识别以前没有看到的样本，因此一定存在一个最佳的隐单元数。
研究通过一次编程比较了隐层神经元个数分别为5、10、15、20、25、30、40时训练速度及检验精度。
（3）网络训练及检验BP网络采用梯度下降法来降低网络的训练误差，考虑到基坑降水地面沉降范围内沉降量变化幅度较小的特点，训练时以训练目标取0.001为控制条件，考虑到网络的结构比较复杂，神经元个数比较多，需要适当增加训练次数和学习速率，因此初始训练次数设为10000次，学习速率取0.1，中间层的神经元传递函数采用S型正切函数tansig，传输函数采用logsig，训练函数采用trainlm，分别抽取表3.11中的7组数据作为训练样本，剩余1组作为检验样本。
使用MATLAB6.0编程建立基于BP神经网络的基坑降水环境影响评价模型，考虑到样本量较小，预测结果不稳定，取预测20次评价结果的平均值作为最终评价结果。
经试算最终确定当隐层神经单元为10，结果如下：表3.12基坑降水环境影响评价模型检验结果结果表明基于BP神经网络的基坑降水环境影响评价结果大部分与实际监测结果相符，部分结果偏于危险。
哪位好心大神能给我提供 基于bp神经网络的人脸识别的matlab程序？ 不胜感激！
想要识别到什么程度呢是或不是人脸？男/女/不是人脸？老/中/青？我也是刚开始学习这块的知识，你可能需要一定量的数据，经过图像处理之后（比如数字化之类的，不知道说的对不对）变成矩阵，作为训练的输入。
同时将该数据对应的输出，作为训练的期望结果。在大量训练之后，将新的待测图片以同样方法处理，将矩阵作为待测输入，得到的就是待测的输出。
你可以考虑以0，0与0，1作为两种输出来表示是不是人脸；以0，0，0；0，1，0；1，0，0三种输出来表示男/女/不是人脸，以此类推。
我在做的是肌电信号的处理，其实说到底都是将原始的信号（图片也是一种信号嘛）提取出特征，作为训练的输入。都是自学的一点拙见，平时也不玩百度，如果有大神能指点一二小弟感激不尽。分不分的无所谓的。
