神经网络字符识别

Question

假设我试图创建一个神经网络来识别简单的5x5像素网格上的字符。我只有6个可能的字符(符号)- X,+,/,\,|

目前我有一个前馈神经网络-有25个输入节点，6个隐藏节点和一个输出节点(0到1乙状结肠之间)。

输出对应于符号。如'X' = 0.125、'+' = 0.275、'/' = 0.425等。

无论网络的输出(测试)是什么，都对应于任何数字上最接近的字符。i.e - 0.13 = 'X'

在输入时，0.1表示像素根本没有阴影，0.9表示完全阴影。

在对网络进行6个符号的训练后，我增加了一些噪声来测试它。

不幸的是，如果我给'/‘加上一点噪音，网络就会认为它是'\’。

我想，6种符号的顺序(即，e-它们对应的数字表示)可能会产生不同的效果。

可能是隐藏节点的数量导致了这个问题。

也许我把字符映射到数字的一般概念导致了这个问题。

任何帮助都将是非常感谢的，以使网络更加准确。

Answer 1

输出编码是最大的问题。最好对输出使用一次热编码，以便有六个输出节点。

例如,

-   1 0 0 0 0 0
X   0 1 0 0 0 0
+   0 0 1 0 0 0
/   0 0 0 1 0 0
\   0 0 0 0 1 0
|   0 0 0 0 0 1

这对于神经网络来说要容易得多。在预测时，选择值最高的节点作为预测。例如，如果在每个输出节点上有以下输出值：

-   0.01
X   0.5
+   0.2
/   0.1
\   0.2
|   0.1

预测字符为"X“。