目前我正在学习神经网络，并试图创建一个可以训练识别手写字符的应用程序。 这个问题我使用前馈神经网络，它似乎工作时，我训练它识别1,2或3个不同的字符。但是当我尝试让网络学习超过3个字符时，它会停滞在40-60％左右的错误百分比。OCR的训练前馈神经网络
我尝试了多层次，更少/更多数量的神经元，但我似乎无法得到它的权利，现在我想知道如果一个前馈神经网络能够识别这么多的信息。
一些统计数据：
网络类型：前馈神经网络。
输入神经元： 100（10 * 10）网格用于绘制人物
输出神经元：字符量regocnize
没有人知道什么是可能的缺陷在我的架构是？有太多输入神经元吗？前馈神经网络不能进行字符分配吗？
在此先感谢。
对于手写字符识别需要
一个很好的测试问题是手写数字数据集MNIST。以下是论文，在这个数据集成功地应用于神经网络：
Y. LeCun，L. Bottou，Y. Bengio和P.哈夫纳：基于梯度学习应用于文档识别，http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf
丹克劳迪乌Ciresan ，Ueli Meier，Luca Maria Gambardella，Juergen Schmidhuber：手写数字识别的深大简单神经网络Excel，http://arxiv.org/abs/1003.0358
我训练了一个采用784-200-50-10架构的MLP，并且在测试集上获得了> 96％的准确度。
您可能想要按照讲座3和4在http://www.ml-class.org。吴教授解决了这个问题。他正在分类10个数字（0 ... 9）。一些认为他在得到他的95％的训练精度类做的事情是：
我前一段时间也有类似的问题，试图找出使用MNIST数据集手写的数字。我的前馈神经网络在验证集上给出了大约92％的精确度，但经常对我给它的图像进行错误分类。
我通过在我的网络中添加一个隐藏层并使用RMSProp解决了这个问题。网络现在提供了大约97％的准确度，并正确分类我给它的图像。此外，如果你的成本没有下降，这可能意味着你的纳税率太高，或者你的网络可能停留在当地最低标准。在这种情况下，您可以尝试降低您的学习率和初始权重。
您使用了多少个隐藏的神经元？ – mbatchkarov 2012-03-13 12:49:37
输入和输出神经元似乎对你的任务很好，但你如何训练你的网络，你使用什么算法？你如何初始化权重？ – maximdim 2012-03-13 12:53:32
我尝试使用backpopagation和遗传算法。我还试着用一个70神经元的隐藏层和一个隐藏层（70和40）的神经元。 – 2012-03-13 12:55:59