Вы можете использовать appendOffset вместо appendOffsetId. Первый аргумент - это шаблон, но не шаблон DateTimeFormatter; на самом деле он ограничен 22 возможными значениями String:
.appendOffset("+HHMM", "????")
Питание каждого пикселя битового массива непосредственно в нейронную сеть потребует большого обучения и не будет работать хорошо на обработку масштабирования или вращения изображения.
Чтобы помочь нейронной сети выполнить хорошую классификацию, необходимо выполнить некоторые шаги предварительной обработки.
Основные компоненты могут также использоваться для нормализации вращения формы, так, чтобы самая длинная ось была вертикальной.
Функции - то, что Вы подаете в нейронную сеть для классификации, не пиксели.
Вот пример программы Matlab, который использует обученную нейронную сеть для обнаружения единственных цифр (размер изображения, прикрепленный к 28*28).
Вот ссылка на огромную базу данных рукописных цифр. Первая полоса также имеет относительные данные о производительности для многих различных методов включая 2 Нейронных сети слоя. Это должно дать Вам хорошее начало: база данных цифр MNIST и производительность
Вы могли бы также хотеть проверить работу Geoff Hinton над Ограниченными машинами Больцмана, которая, как он говорит, работает довольно хорошо, и существует хорошая объяснительная лекция по его (очень смотрибельному) сайту.