混淆神經網絡的輸入和目標

Question

最近我發佈了許多關於我正在製作的字符識別程序的問題。直到今天，我還以爲自己的工作很完整。我認爲這與我對網絡的培訓有關。接下來是我如何看待訓練和模擬程序的解釋。

給這兩個圖像

目標

輸入

我想訓練網絡識別字母D.注意，在此之前完成，我已經將圖像處理成二進制矩陣。我使用的培訓

[net,tr] = train(net,inputs,targets); 

其中代替輸入我是目標，因爲我想訓練網絡以識別目標圖像中的所有字母。

我然後運行

outputs = sim(net,inputs); 

其中輸入是圖像以字母「d」，或圖像與任何其他字母就是在ABCD。這裏的基本前提是我想訓練網絡以識別ABCD中的所有字母，然後選擇任何字母A，B，C或D，並查看網絡是否識別該選定的字母。

問題：

我正確的訓練程序嗎？

Answer 1

那麼它很大程度上取決於你如何實現你的神經網絡。雖然關於你問的問題，我猜你沒有自己實現它，但使用了一些現成的API。

無論如何，你應該先了解你使用它們之前使用的工具（這裏是神經網絡）。

神經網絡接收輸入並執行輸入的線性或非線性變換並返回輸出。

輸入和輸出總是數字值。但是它們可能代表任何類型的數據。

輸入可以是：

• 像素的圖像的
• 實值或屬性整數
• 分類
• 等

在你的情況下，輸入是所述像素你的角色圖像（你的二進制矩陣）。

輸出可以是：

• 類（如果你正在做分類）
• 值在時間序列上（如果你正在做迴歸）
• 下一個值（如果你正在做時間序列預測）

在你的情況下，你正在做分類（預測輸入代表哪個字符），所以你的輸出是一個類。

爲了瞭解網絡是如何訓練的，我將首先解釋如何在訓練階段使用它，然後解釋訓練階段的含義。因此，一旦你訓練了你的網絡，你就會給它代表你的圖像的二進制矩陣，它將輸出將是（例如）的類（字符）：0代表A，1代表B，2爲D. C和3換句話說，您有：

• 輸入：二進制矩陣（圖像）
• 輸出： 0,1,2或3（取決於哪個字符的網絡在圖像中識別）

訓練階段在於告知網絡每個輸入您想要的輸出。

訓練階段使用的數據類型與「預測階段」中使用的數據類型相同。因此，對於在訓練階段：

• 輸入：二進制矩陣[A，B，C，d] （每個字母非常重要！）
• 目標：對應類[ 0,1,2,3]

這樣，你告訴網絡學習如果你給它的A圖像它應該輸出0，如果你給它的B圖像它應該輸出1，等等。

注意：由於您認爲「輸入」是您想要在訓練階段後給網絡的輸入，當他們實際上是在訓練階段給予網絡的輸入時，您錯了。