良好的神经网络拓扑和图像识别训练方法

Question

我已经完成了一个关于模式识别的简单项目。
我使用Backpropagation和一个多层神经网络来识别10个字母 这非常困难，我在打击当地最低限度和慢速训练方面遇到了很多麻烦。
但是，这项计划仍然有效。 当然，这可能只是我糟糕的代码:)

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

您认为可能会有什么帮助？ 也许我应该在遗传算法和神经网络之间使用某种组合？ 或者使用更复杂的网络拓扑？ （脑网和训练算法浮现在脑海中）

我想提一下我没有使用任何OCR库的事实，它只是一个教育项目。

如果有人能给我一个建议，那就太棒了。谢谢。

Answer 1

尝试resilient propagation培训。

我在vanilla Rprop培训方面取得了巨大成功。对于ANN拓扑，正常前馈用于图像处理。如果所有字母都是相同的字体和小尺寸（可能是4x4），您可以尝试使用Self-organizing map进行试验，输出可以代表字母。