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 editing this post 的一个问题。
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。但是当我尝试让网络学习超过 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？
最佳答案
对于手写字符识别，您需要
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:Deep Big Simple Neural Nets Excel on Handwritten Digit Recognition, 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。
关于artificial-intelligence - 为 OCR 训练前馈神经网络，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/9684204/