手写数字的神经网络

Question

我在这方面的第一个方法与神经网络无关。我会简单地将手写输入(数字1-3)与模型图像进行比较，在模型图像中，它将通过索引比较两个图像的像素，并查看它们是否具有相同的RGB值。这种方法效果不佳，只有当手写数字与基本图像有共同的像素时才有效。现在我想实现某种神经网络，但我有一些问题。

所有图像都由全黑或全白像素组成，每个图像都是500x500像素。

我对神经网络有一个基本的了解，其中有反向传播，偏差，权重，隐藏层，等等。我抽象地理解它们的作用，但我对如何实现神经网络感到困惑。计算机可以识别的模式是什么？

我想指出的是，我并不局限于神经网络，我对这个问题的其他解决方案持开放态度，但神经网络似乎是解决这个问题的好方法。

Answer 1

在我的案例中它起作用了..。修改后。你的神经网络可能做得不好，因为你直接把像素的颜色强度作为特征向量。这使得它们对位移非常敏感(例如，将图像平移一个像素将导致完全不同的向量)。还可以考虑是否可以使用图像中的其他一些信息来补充特征向量。PS。