假设我正在尝试创建一个神经网络来识别简单5×5像素网格上的字符。我只有6个可能的字符（符号） – X,+,/,\,|

目前我有一个前馈神经网络 – 拥有25个输入节点，6个隐藏节点和一个输出节点（在0到1之间 – 使用sigmoid函数）。

输出对应一个符号。例如，'X' = 0.125，'+' = 0.275，'/' = 0.425等等。

无论网络在测试时的输出是什么，都对应数值上最接近的字符。即 – 0.13 = 'X'

在输入时，0.1表示像素完全未着色，0.9表示完全着色。

在用6个符号训练网络后，我通过添加一些噪声来测试它。

不幸的是，如果我给’/’添加一点噪声，网络认为它是’\’。

我认为可能6个符号的排序（即它们对应的数值表示）可能会产生影响。

可能隐藏节点的数量导致了这个问题。

可能我将字符映射到数字的总体概念导致了这个问题。

任何帮助都将非常受欢迎，以提高网络的准确性。

回答：

输出编码是最大的问题。你最好使用一热编码作为输出，这样你将有六个输出节点。

例如，

-   1 0 0 0 0 0X   0 1 0 0 0 0+   0 0 1 0 0 0/   0 0 0 1 0 0\   0 0 0 0 1 0|   0 0 0 0 0 1

这对于神经网络来说更容易学习。在预测时，选择具有最高值的节点作为你的预测。例如，如果你在每个输出节点有以下输出值：

-   0.01X   0.5+   0.2/   0.1\   0.2|   0.1

预测字符为”X”。