用于图像识别的良好神经网络拓扑和训练方法

Question

我已经完成了一个关于模式识别的简单项目。
我使用反向传播和多层神经网络来识别 10 个字母。
这非常困难，我在与当地最低标准和缓慢的训练作斗争时遇到了很多麻烦。
但是，这个程序仍然有效。 当然，这可能只是我的错误代码 :)

现在我想改进我的结果并使用全部 26 个字母。此外，训练数据可能更复杂（至少更大的图像）。所以我有点担心我可能会使用错误的方法。

你认为有什么帮助？ 也许我应该在遗传算法和神经网络之间使用某种组合？
还是使用更复杂的网络拓扑？ （想到沃德网络和训练算法）

我想提一下，我没有使用任何 OCR 库，它只是一个教育项目。

如果有人能给我建议，那就太好了。谢谢。

Answer 1

尝试resilient propagation 培训。

我在原版 Rprop 训练方面取得了巨大成功。至于 ANN 拓扑，正常的前馈用于图像处理。您可以尝试使用Self-organizing map，如果所有字母的字体相同且尺寸较小（可能为 4x4），则输出可能代表字母。