用于识别手写数字的简单网络

task

识别这串手写数字分两步： 1. 把一张图切割成几张小图，每张图上一个数字 2. 识别每张小图上的数字 得到5

task 1 切割

尝试各种切割，切割出的分段得分高，则切割成功。

task 2 识别

构建三层神经网络： 输入层：28*28=784个input neuron，为[0,1]的灰度值，0代表白，1代表黑 输出层：10个，每个代表一个数字。得分最高的output neuron作为预测的结果 中间层：n个，可以尝试各种n值，本例中取15

为什么有10个output neuron，而不是4个？4个二进制足够表达10个数字了。

以第1个output neuron为例： 如果有10个output neuron，对于第1个neuron，它只要在hidden layer中发现这样的结构(也有可能是其它的结果)，就认为找到0了： 如果是4个output neuron，很难发现规则在什么情况下第1个neuron是fired。 也可以通过增加一层hidden layer，将10个数字转化成4个二进制：