我编写了一个神经网络，用于识别推送到我服务器的单个数字。我工作得很好，直到客户开始推动＃34;空数字＃34;。 首先，我开始手动迭代它们并检查NOT WHITE。现在它变得更加复杂，因为＆＃34;脏＆＃34;上传空白，其中有一些噪音。 Addiotional有些人开始推动对角线＆amp;水平线或X而不是写0（零）。
我想知道我应该如何训练一个＆＃34; pre＆＃34; - 神经网络，将这些＆＃34;不是数字＆＃34;特别是我很难找到一种方法来训练嘈杂的空白所描绘的零点。
答案 0 :(得分：1)
您正在使用神经网络，我建议的是将输入的neural network output the probability作为给定的类，例如它可以输出数字5，确定性为75％。
一旦掌握了这些概率，你就可以找到一个＆＃34; cutoff＆＃34;低于该值时，您认为输入只是噪音/空。
我之前已经将一个关于从NN中获取分类概率的问题联系起来。
答案 1 :(得分：0)
您可以创建一个错误输入的训练集，并为这些不良示例训练一个额外的类网络。