OCR训练前馈神经网络
目前，我正在学习神经网络，我试图创建一个应用程序，可以训练识别手写字符。对于这个问题，我使用了前馈神经网络，当我训练它识别1，2或3个不同的字符时，它似乎是有效的。但是，当我试图让网络学习超过3个字符时，它将停滞在40 %- 60%左右的错误百分比。
我尝试了多层和更少/更多的神经元，但我似乎不能正确，现在我想知道一个前馈神经网络是否能够识别出这么多的信息。
一些统计数字：
网络类型：前馈神经网络
输入神经元:使用 100 ( 10 * 10)网格绘制字符
输出神经元：字符数量
有人知道我的架构可能有什么缺陷吗？输入神经元太多了吗？前馈神经网络不具备字符识别能力吗？
回答 4
Stack Overflow用户
发布于 2012-03-13 21:04:29
对于手写字符识别，您需要
- 许多培训示例(也许您应该对您的培训集造成扭曲)
- 输出层的softmax激活函数
- 交叉熵误差函数
- 随机梯度下降训练
- 每一层的偏倚
一个很好的测试问题是手写数字数据集米尼思。以下是将神经网络成功地应用于这些数据集的论文：
Y. LeCun，L. Bottou，Y. Bengio和P. Haffner:梯度学习在文档识别中的应用，http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf
Dan Claudiu Ciresan，Ueli Meier，Luca Maria Gambardella，Juergen Schmidhuber:关于手写数字识别的深层大简单神经网络，http://arxiv.org/abs/1003.0358
我用784-200-50-10体系结构训练了MLP，在测试集上获得了>96%的准确度.
Stack Overflow用户
发布于 2012-03-14 21:12:20
你可能想在http://www.ml-class.org听第三课和第四课。吴教授解决了这个问题。他正在对10位数(0.9)进行分类。他在课堂上所做的一些事情能使他达到95%的训练准确率：
- 输入Nueron : 400 (20x20)
- 隐藏层:2
- 隐藏层的大小: 25
- 激活功能:乙状结肠
- 训练方法:梯度下降
- 数据大小: 5000
Stack Overflow用户
发布于 2012-03-14 22:06:25
检查此示例程序手写数字识别
程序使用半自动手写数字数据集和FANN库
https://stackoverflow.com/questions/9684204
复制相似问题
腾讯云开发者
