perceptron может использоваться для обнаружения рукописных цифр?
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", "????")
3 ответа
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.
- Нормализуйте изображение:
- Скорректируйте контраст и яркость так, чтобы гистограмма изображения соответствовала ссылочному изображению.
- Размойте изображение, для удаления шума.
- Преобразуйте его в черно-белый, с помощью некоторого порога.
- Найдите ограничительную рамку формы, масштаба к предопределенному размеру.
- Вычислите различные функции изображения, которое может использоваться для дифференциации одной цифры от другого:
- Euler количество изображения — говорит Вам сколько "дыр", там находятся в форме (например, две дыры для цифры 8).
- Число белых пикселей (область цифры)
- Основные компоненты набора координат белых пикселей — говорят Вам, насколько "удлиненный" форма.
- ... другие функции, о которых можно думать, которые имеют тенденцию иметь подобные значения для подобных цифр.
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.