目前我正在學習神經網絡，並試圖創建一個可以訓練識別手寫字符的應用程序。 這個問題我使用前饋神經網絡，它似乎工作時，我訓練它識別1,2或3個不同的字符。但是當我嘗試讓網絡學習超過3個字符時，它會停滯在40-60％左右的錯誤百分比。OCR的訓練前饋神經網絡
我嘗試了多層次，更少/更多數量的神經元，但我似乎無法得到它的權利，現在我想知道如果一個前饋神經網絡能夠識別這麼多的信息。
一些統計數據：
網絡類型：前饋神經網絡。
輸入神經元： 100（10 * 10）網格用於繪製人物
輸出神經元：字符量regocnize
沒有人知道什麼是可能的缺陷在我的架構是？有太多輸入神經元嗎？前饋神經網絡不能進行字符分配嗎？
在此先感謝。
對於手寫字符識別需要
一個很好的測試問題是手寫數字數據集MNIST。以下是論文，在這個數據集成功地應用於神經網絡：
Y. LeCun，L. Bottou，Y. Bengio和P.哈夫納：基於梯度學習應用於文檔識別，http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf
丹克勞迪烏Ciresan ，Ueli Meier，Luca Maria Gambardella，Juergen Schmidhuber：手寫數字識別的深大簡單神經網絡Excel，http://arxiv.org/abs/1003.0358
我訓練了一個採用784-200-50-10架構的MLP，並且在測試集上獲得了> 96％的準確度。
您可能想要按照講座3和4在http://www.ml-class.org。吳教授解決了這個問題。他正在分類10個數字（0 ... 9）。一些認爲他在得到他的95％的訓練精度類做的事情是：
我前一段時間也有類似的問題，試圖找出使用MNIST數據集手寫的數字。我的前饋神經網絡在驗證集上給出了大約92％的精確度，但經常對我給它的圖像進行錯誤分類。
我通過在我的網絡中添加一個隱藏層並使用RMSProp解決了這個問題。網絡現在提供了大約97％的準確度，並正確分類我給它的圖像。此外，如果你的成本沒有下降，這可能意味着你的納稅率太高，或者你的網絡可能停留在當地最低標準。在這種情況下，您可以嘗試降低您的學習率和初始權重。
您使用了多少個隱藏的神經元？ – mbatchkarov 2012-03-13 12:49:37
輸入和輸出神經元似乎對你的任務很好，但你如何訓練你的網絡，你使用什麼算法？你如何初始化權重？ – maximdim 2012-03-13 12:53:32
我嘗試使用backpopagation和遺傳算法。我還試着用一個70神經元的隱藏層和一個隱藏層（70和40）的神經元。 – 2012-03-13 12:55:59