我是神经网络领域的新手(说实话,我几天前才开始)。我想在我的 OCR 应用程序中使用神经网络来识别手写文本。
我想知道的是,是否可以在初始训练后训练网络。换句话说,我将在开始时训练几个字符,但我想稍后向网络添加更多字符,而不影响之前训练的数据的存在。(假设我已经创建了具有足够的输出神经元来处理附加字符的神经网络)。如果这是可能的,我该如何使用 encog 来完成这项工作。
谢谢
是和不是。如果您训练相同的神经网络来识别新字符,则层之间的权重 (θ) 肯定会发生变化以适应新字符。由于您的 X / Y 值已更改,成本函数可能也需要更改以更准确地适应新数据。然而,只要您的错误率在可接受的范围内,您就应该没有问题。
另一方面,你could使用 2 个神经网络 - 一个用于您的初始字符集,另一个用于您的新字符集。 Neuroph 允许您将每个神经网络保存到一个文件中,您可以根据您的需要加载适当的神经网络。
PS:我假设这里的字符指的是“A”/“B”/“C”,而不是神经网络变量,例如x1/x2/x3(网络的特征)
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)