从哪里开始使用神经网络进行手写识别？
我已经尝试学习神经网络已有一段时间了，并且我可以在线理解一些基础教程。现在，我想使用神经网络开发在线手写识别。所以我不知道从哪里开始？而且我需要一个很好的指导。最后我是Java程序员。
你建议我做什么？
问题答案：
从Unipen数据库上的字符识别入手。
您将需要从原始轨迹数据中提取相关特征，以形成通常称为“特征向量”的特征。例如，您可以使用插值方案对数据重新采样以得到n个元组，每个元组包含以下信息：
- 位置
- 方向
- 速度
- 加速
- 曲率
- 等等
一旦有了固定大小的特征向量，就可以将其用作神经网络的输入。请尝试使用MLP网络。
您将必须进行实验才能确定最佳功能。
如果您需要开始从Ink数据中提取特征，请看一下HP的Lipi
Toolkit
（请注意，他们的识别器虽然没有使用神经网络）。
您也可以查看实现神经网络的这15个步骤教程。
-
人类视觉系统是世界上众多奇迹之一。看看下面的手写数字序列： 大多数人毫不费力就能够认出这些数字为 504192. 这么容易反而让人觉着迷惑了。在人类的每个脑半球中，有着一个初级视觉皮层，常称为 V1，包含 1 亿 4 千万个神经元及数百亿条神经元间的连接。但是人类视觉不是就只有 V1，还包括整个视觉皮层——V2、V3、V4 和 V5——他们逐步地进行更加复杂的图像处理。人类的头脑就是一台超级计算机
-
总体概览： 利用神经网络来进行手写识别就是将输入手写的数据经过一系列分析最终生成判决结果的过程。 使用的神经网络模型如下： 输入数据是像素为28 × 28 = 784的黑白图片(共55000张) 使用10位one-hot编码： 0 -> 1000000000 1 -> 0100000000 2 -> 0010000000 3 -> 0001000000 4 -> 0000100000 5 -> 0
-
引言 这一部分会说明这个文档会包含哪些内容，以及不会包含哪些内容，因为人工智能，机器学习，监督学习，神经网络，无论哪一个都是非常大的话题都，覆盖到可能就成一本书了，所以这篇文档只会包含与 RT-Thread 上面加载 MNIST 手写体识别模型相关的部分。 当然，在每一部分的最后我也会给出参考文献，参考文献是个非常重要的部分，一方面它可以补充我没有介绍到的部分，另一方面也可以提供一些支撑，因为现在
-
在本教程中，我们将构建一个TensorFlow.js模型，用卷积神经网络对手写数字进行分类. 首先，我们将通过“查看”成千上万的手写数字图像及其标签来训练分类器. 然后我们将使用模型从未见过的测试数据来评估分类器的准确性. 先决条件 本教程假设您熟悉TensorFlow.js的基础构建模块 (张量,变量,和操作),以及优化器和损失的概念. 有关这些主题的更多背景信息, 我们建议在本教程之前完成以下
-
在本节中，我们将从零开始实现一个基于字符级循环神经网络的语言模型，并在周杰伦专辑歌词数据集上训练一个模型来进行歌词创作。首先，我们读取周杰伦专辑歌词数据集： import d2lzh as d2l import math from mxnet import autograd, nd from mxnet.gluon import loss as gloss import time (
-
神经网络 (Neural Network) 是机器学习的一个分支，全称人工神经网络（Artificial Neural Network，缩写 ANN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。 Perceptron (感知器) 一个典型的神经网络由输入层、一个或多个隐藏层以及输出层组成，其中箭头代表着数据流动的方向，而圆圈代表激活函数（最常用的激活函数为