Question

假设我尝试创建一个神经网络来识别简单的5x5像素网格上的字符。我只有6个可能的字符（符号） - X,+,/,\,|

目前我有一个前馈神经网络 - 有25个输入节点，6个隐藏节点和一个输出节点（介于0和1之间 - sigmoid）。

输出对应一个符号。例如'X' = 0.125，'+' = 0.275，'/' = 0.425等

无论网络输出（测试时）是什么，都对应于数字上最接近的字符。即 - 0.13 = 'X'

在输入时，0.1表示像素完全没有阴影，0.9表示完全阴影。

在对6个符号进行网络训练后，我通过添加一些噪声来测试它。

不幸的是，如果我向＆＃39; /＆＃39;添加一点点噪音，网络会认为它是＆＃39; \＆＃39;。

我想也许6个符号的排序（即，e - 它们对应的数字表示）可能会有所不同。

隐藏节点的数量可能导致此问题。

也许我将字符映射到数字的一般概念导致了问题。

非常感谢任何帮助，以使网络更准确。

Answer 1

输出编码是最大的问题。您最好使用单热编码进行输出，以便有六个输出节点。

例如，

-   1 0 0 0 0 0
X   0 1 0 0 0 0
+   0 0 1 0 0 0
/   0 0 0 1 0 0
\   0 0 0 0 1 0
|   0 0 0 0 0 1

神经网络学习起来要容易得多。在预测时，选择具有最高值的节点作为预测。例如，如果每个输出节点的输出值低于：

-   0.01
X   0.5
+   0.2
/   0.1
\   0.2
|   0.1

预测角色为＆＃34; X＆＃34;。