我用Matlab神經網絡工具包實現多層感知器時遇到了問題。Matlab神經網絡 - 結果不好
我嘗試實現神經網絡，它將識別存儲爲二進制圖像（大小40x50）的單個字符。 圖像被轉換成二進制向量。輸出以6位編碼。我用簡單newff功能以這種方式（與在隱藏層30個感知）：
net = newff(P, [30, 6], {'tansig' 'tansig'}, 'traingd', 'learngdm', 'mse');
然後我訓練我的網絡與字符的打在3名不同的字體，用以下的列車參數：
net.trainParam.epochs=1000000;
net.trainParam.goal = 0.00001;
net.traxinParam.lr = 0.01;
經過訓練網絡正確識別訓練集中的所有字符，但是... 它無法識別來自其他字體的更多兩次字符。
我該如何改善這個簡單的網絡？
你可以嘗試爲你的訓練集添加隨機彈性變形（爲了擴展它，並使其更「泛化」）。
你可以看到來自微軟研究院的這個漂亮的文章的詳細信息： http://research.microsoft.com/pubs/68920/icdar03.pdf
你有一個非常大的數量的輸入變量（2000，如果我理解你的描述）。我的第一個建議是儘可能減少這個數字。一些可能的技術包括：對輸入變量進行二次採樣或計算信息特徵（例如行和列總數，這會將輸入向量減少到90 = 40 + 50）
此外，您的輸出編碼爲6位， 32個可能的組合值，所以我假設你使用這些來代表26個字母？如果是這樣，那麼你可能會更好地用另一個輸出表示。考慮到看起來沒有任何相似之處的各種字母將在比特1上共享1的值，使得從輸入到輸出的映射覆雜化。每個類有1位的輸出表示會簡化事情。
您可以使用patternnet而不是newff，這會創建一個更適合模式識別的網絡。由於目標函數使用一個26元素的向量，在右邊的字母位置上有1（其他地方爲0）。識別的輸出將是一個介於0和1之間的26個實數的向量，其中識別的字母具有最高值。
確保使用來自所有字體的數據進行培訓。
給作爲輸入的所有數據集，train將根據指定的百分比會自動將其分爲列車驗證試驗檯：
net.divideParam.trainRatio = .70;
net.divideParam.valRatio = .15;
net.divideParam.testRatio = .15;
（選擇你自己的百分比）。
然後測試僅使用測試集，你可以找到自己的指數納入
[net, tr] = train(net,inputs,targets);
tr.testInd