請問各位 如果我想做數字0~9的辨識(所以有10張圖)分別是0.bmp 1.bmp ....9.bmp 使用倒傳遞演算法來做 首先我拿了5組0~9的圖來做訓練(所以共有50張圖) 那麼~我該怎麼訓練呢? 是不是把這50張圖拿來將是0的全部放在一起 1的放在一起.......9的放在一起 -->所以輸入神經該有10個(而一個的資料維度是5) 然後輸出神經只有1個 其值該怎麼取?(假設以已經正規化過) 是不是可以假設輸入是0~就設特徵值是0 輸入是1~就設特徵值是1 ------------------------------------------- 相同~輸出想要是0~所以如果輸入是0而輸出不是0就得訓練?

你可以先有一個這樣的概念 (字元資料庫)→輸入字元→字元二值化→字元雜訊過濾→字元特徵抽取→網路訓練→MSRE(Mean square root error)<終止條件 if yes→訓練完畢 else goto 輸入字元再重新跑一遍流程。 我想你的問提應該是在怎麼做字元特徵抽取吧，至於怎麼取字元特徵值，相信你查一下全國碩博士論文做辨識方面的會找到很多方法，但重要的是無論如何抽取，做後要輸入網路訓練的特徵值需為-1~1之間的值。 ---------------------------------------------------------- 是不是把這50張圖拿來將是0的全部放在一起 1的放在一起.......9的放在一起 My suggestion: 應該不是直接將圖直接輸入網路喔，而是要做一些上述處理，做字元特徵抽取喔 ---------------------------------------------------------- 是不是把這50張圖拿來將是0的全部放在一起 1的放在一起.......9的放在一起 -->所以輸入神經該有10個(而一個的資料維度是5) 然後輸出神經只有1個 ----- My suggestion: 這方面是 若你要輸入的有10個樣本，當然輸入的也會有10個input，輸出也是0~9 10個output，而中間的隱藏曾有兩種方法 1.隱藏層個數=(input output)/2 →(10 10)/2=10 2.隱藏層個數=(input*output)開耕號 →10 --------------------------------------------------------- 其值該怎麼取?(假設以已經正規化過) 是不是可以假設輸入是0~就設特徵值是0 輸入是1~就設特徵值是1 My suggestion:(假設你對到傳遞網路已了解情況下) 假設網路正在訓練0，那網路的目標輸出則為1 0 0 0 0 0 0 0 0 0 0 假設網路正在訓練1，那網路的目標輸出則為0 1 0 0 0 0 0 0 0 0 0 假設網路正在訓練2，那網路的目標輸出則為0 0 1 0 0 0 0 0 0 0 0 ... 假設網路正在訓練9，那網路的目標輸出則為0 0 0 0 0 0 0 0 0 0 1 --------------------------------------------------------------- 相同~輸出想要是0~所以如果輸入是0而輸出不是0就得訓練? My suggestion: 原則上是，但應該是說當時在訓練0時，若MSRE 小於 誤差值則表示0這個樣本已達到訓練程度了，若不是的話，則網路需要一直訓練，直到所有的patterns的MSRE 都<誤差值。當然阿，要讓網路訓練完成，有人也有用適用訓練次數來達到 網路終止條件拉。

首先~先謝謝bio大大的回答摟~~ 看完了有了初步的了解~ 不過還是有一問題想問一下> 1>最後要輸入網路訓練的特徵值需為-1~1之間的值   -------------------------------------------   假設目前有10張圖分別代表數字0~9!   而其特徵值也都取好了   如果依特徵值的rule~我從每張圖取出5個特徵   也就是假設0有   1有 ..................... 9有 其中a1,b1,...,j1代表具有相同特徵(譬如身高) 而a2,b2,...,j2則是另一種特徵(譬如體重) 所以~我現在的輸入神經元是不是只要5個就好了? 然後分別把這10組資料帶入訓練?

不過還是有一問題想問一下> 1>最後要輸入網路訓練的特徵值需為-1~1之間的值 ----------------------------------------------- 這是書上寫的，我當初做實驗時也遵照這rule做的 所以~我現在的輸入神經元是不是只要5個就好了? 然後分別把這10組資料帶入訓練? -------------------------------------------------- 是的每一次你的輸入端就是輸入5個你抽取出來正規化後的特徵值 去做訓練，訓練的方法是比如從0 pattern set開始訓練整個0 set訓練完後，亦即MSRE<終止條件，則0 set 才算訓練完，1 set 也如此，...，但若是訓練到5 set時，若某個字元5不條件，則須連之前已經訓練過的0.1.2.3.4的字元集都要再訓練檢查，直到所有的字元集都都符合MSRE<終止條件，那整個網路訓練才算完成。