Question

我是神经网络领域的新手（说实话我刚刚开始几天）。我想在我的OCR应用程序中使用神经网络来识别手写文本。

我想知道的是，是否有可能在初始培训后培训网络。换句话说，我将在开始时训练几个字符，但我想稍后在网络中添加更多字符，而不会影响先前训练数据的存在。（假设我创建了具有足够输出神经元的神经网络用于其他字符）。如果这是可能的，我怎么能用encog来完成这个。

谢谢

Answer 1

是和否。如果您训练相同的神经网络来识别新角色，则权重（θ）肯定会在各层之间发生变化以适应新角色。由于您的X / Y值已更改，因此可能还需要更改成本函数以更准确地拟合新数据。但是，只要您的错误率在可接受的值范围内，就应该没有问题。

另一方面，可以使用2个神经网络 - 一个用于初始设置，另一个用于新的字符集。 Neuroph允许您将每个神经网络保存到文件中，您可以根据需要加载适当的神经网络。

PS：我在这里假设字符是指'A'/'B'/'C'而不是神经网络变量，例如x1 / x2 / x3（网络的特征）

Answer 2

您可以将神经网络保存到磁盘中，然后使用Encog中的TriningContinuation类对其进行重新培训。下面是来自Encog示例的代码示例。

public void TestRPROPContPersistEG()
{
    IMLDataSet trainingSet = XOR.CreateXORDataSet();
    BasicNetwork net1 = XOR.CreateUnTrainedXOR();
    BasicNetwork net2 = XOR.CreateUnTrainedXOR();

    ResilientPropagation rprop1 = new ResilientPropagation(net1, trainingSet);
    ResilientPropagation rprop2 = new ResilientPropagation(net2, trainingSet);

    rprop1.Iteration();
    rprop1.Iteration();

    rprop2.Iteration();
    rprop2.Iteration();

    TrainingContinuation cont = rprop2.Pause();

    EncogDirectoryPersistence.SaveObject(EG_FILENAME, cont);
    TrainingContinuation cont2 = (TrainingContinuation)EncogDirectoryPersistence.LoadObject(EG_FILENAME);

    ResilientPropagation rprop3 = new ResilientPropagation(net2, trainingSet);
    rprop3.Resume(cont2);

    rprop1.Iteration();
    rprop3.Iteration();


    for (int i = 0; i < net1.Flat.Weights.Length; i++)
    {
        Assert.AreEqual(net1.Flat.Weights[i], net2.Flat.Weights[i], 0.0001);
    }
}

Encog / neuroph save神经网络

2 个答案: