2016-11-06 34 views
0

我正在學習機器學習,並且正在將我的第一個神經網絡作爲我的一個類的項目。我正在用java編程網絡。網絡的要點是識別七段數字(就像普通的數字時鐘一樣)。網絡實際上並不需要與任何真實的傳感器相連,它只需要理論上基於輸入爲0和1的文本形式,而不是二進制,這對應於假設的數字頂部的傳感器矩陣。識別七段數字的神經網絡

我的問題是,我期望得到什麼樣的輸出?

  1. 將二進制輸出被正好對應於相同類型的矩陣作爲輸入或二進制輸出應該代表二進制這樣的輸入數爲返回7 111?
  2. 如果它只是返回另一個矩陣,網絡的重點是什麼?

回答

0

七段數字的輸入將是一個(1 X 7)向量,其中1表示關閉的段,1表示關閉的段,0表示關閉的段。

至於輸出,你沒有指定你想要的是什麼,所以我們假設你想讓它告訴你「哪個數字是屏幕顯示」。由於有10位數字(從0到9),你有10個可能的答案。輸出將是一個(1 X 10)向量,每個數字對應一個數字。它的值表示網絡對於這是否正確的答案有多確信(通常輸出值在[0,1]中,但取決於您的設置)理想情況下,您希望網絡返回一個屬性爲1的矢量,所有其他零。

但請注意,這種情況下分類器是沒有用的。分類算法概括了過去所看到的內容。所以,這對於手寫識別是有用的,因爲即使同一個人兩次寫同一個數字,它也不完全一樣。就你而言,每個數字在所有7段顯示器中都是相同的,所以你的網絡並不是完全學習,而是記憶輸入。

+0

好吧,我懷疑是因此對於輸出代表1我正在尋找像這樣的情況: M-> ň001 | 001 V 001 因此,如果我的輸入以同樣的形式出現,那麼如果它只是將輸入作爲輸出返回,那麼神經網絡有什麼優勢?我知道我正在做的是一個極其簡化的網絡版本,這當然僅用於教育目的。不是所有的傳感器都可以識別,也許只是簡單的處理? – user7120843