使用神经网络进行数字识别的具体示例

Posted 2023-04-17

【中文标题】使用神经网络进行数字识别的具体示例

【英文标题】：Concrete example of digits recognition using neural network

【发布时间】：2017-12-03 07:40:15

【问题描述】：

我是 ANN 的非常（非常）初学者，正在阅读 this tutorial。作者在以下 OCR 示例中解释了 ANN。

存在具有相同单元格的 8x8 网格的二进制图像（单元格始终具有相同的大小）。每个数字都是使用网格的一些单元格形成的。每张图片都有一个数字0-9。

此外，假设所有训练的数字也具有相等的 8x8 网格（例如，训练数字的向量 4 = 识别数字的向量 4）。

例如这是数字4的图像：

所以他说我们需要 64 个输入（每个网格单元一个输入）。此外，我们需要 10 个输出节点（因为我们有 10 个数字）。假设有一层隐藏节点。但我不明白这一切是如何产生结果的。

谁能说出我们需要多少隐藏节点以及这些隐藏节点必须做什么？

附：我们不需要在这里做所有帮助 OCR 处理的工作——预处理、分割、呈现。我们已经有了长度为 64 的特征向量。

【参考方案1】：

我们可以有任意数量的隐藏神经元。权重是与输入向量相乘的矩阵，因此层的输出可以是任意大小。在您的示例中，权重矩阵将具有以下大小。注意：我排除了非线性，例如sigmoid、tanh 或 relu，因为它们按元素操作并且不会改变形状。

output = output_weights * hidden_weights * input
10 x 1    10 x num_hid    num_hid x 64     64 x 1

隐藏神经元的实际作用要微妙得多。在此应用程序中，您试图找到一个决策边界，将“看起来像 4 的 64 像素图像”与“看起来像 3 的 64 像素图像”等空间分开。单层神经网络（又名感知器）只能计算线性决策边界。更深层次的神经网络为更复杂的决策边界建模提供了更大的灵活性。

为了获得更好的直觉，请尝试使用Tensorflow web demo。您可以改变参数并查看添加更多层如何增加表现力，以及添加更多神经元如何改变准确性。