artificial-intelligence - 为 OCR 训练前馈神经网络

Question

关闭。这个问题需要更多focused .它目前不接受答案。












想改善这个问题吗？更新问题，使其仅关注一个问题 editing this post .

3年前关闭。




Improve this question




目前我正在学习神经网络，我正在尝试创建一个可以训练识别手写字符的应用程序。
对于这个问题，我使用了一个前馈神经网络，当我训练它识别 1、2 或 3 个不同的字符时，它似乎可以工作。但是当我试图让网络学习超过 3 个字符时，它会停滞在 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，但我似乎无法做到正确，现在我想知道前馈神经网络是否能够识别那么多信息。

一些统计数据:

网络类型:前馈神经网络

输入神经元: 100 (a 10 * 10) 网格用于绘制字符

输出神经元:要重新识别的字符数

有谁知道我的架构中可能存在的缺陷是什么？输入神经元是否过多？前馈神经网络不能进行字符识别吗？

Answer 1

对于手写字符识别，您需要

许多训练示例(也许您应该扭曲训练集)

输出层中的 softmax 激活函数

交叉熵误差函数

与 一起培训随机梯度下降

每层的偏差

一个很好的测试问题是手写数字数据集 MNIST .以下是在此数据集上成功应用神经网络的论文:

Y. LeCun、L. Bottou、Y. Bengio 和 P. Haffner:基于梯度的学习应用于文档识别， http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf

Dan Claudiu Ciresan、Ueli Meier、Luca Maria Gambardella、Juergen Schmidhuber:深度大简单神经网络在手写数字识别方面表现出色， http://arxiv.org/abs/1003.0358

我用 784-200-50-10 架构训练了一个 MLP，并在测试集上获得了 96% 以上的准确率。