为 OCR 训练前馈神经网络
目前我正在学习神经网络，我正在尝试创建一个可以训练识别手写字符的应用程序.对于这个问题，我使用了一个前馈神经网络，当我训练它识别 1、2 或 3 个不同的字符时，它似乎可以工作.但是当我尝试让网络学习超过 3 个字符时，它会停滞在 40 - 60% 左右的错误百分比. 我尝试了多层和更少/更多的神经元，但我似乎无法做到正确，现在我想知道前馈神经网络是否能够识别这么多信息. 一些统计数据
..
feed-forward相关内容
训练用于OCR的前馈神经网络
目前，我正在学习神经网络，并且正在尝试创建一个可以训练以识别手写字符的应用程序. 对于这个问题，我使用前馈神经网络，当我训练它识别1个，2个或3个不同的字符时，它似乎可以工作.但是，当我尝试使网络学习3个以上的字符时，它将以40％-60％左右的错误百分比停滞不前. 我尝试使用多层和更少/更多的神经元，但是我似乎无法正确地做到这一点，现在我想知道前馈神经网络是否能够识别这么多信息. 一些
..
神经网络为每次执行提供不同的结果
这是我使用Keras和TensorFlow作为后端运行的确切代码.对于具有相同程序的每次运行，训练结果都不同.有时在第400次迭代中获得100％的精度，而在第200次迭代中有时获得100％的精度. training_data = np.array([[0,0],[0,1],[1,0],[1,1]], "float32") target_data = np.array([[0],[1],[1]
..