Matlab 形状识别神经网络性能差

我正在尝试实现一个用于形状识别的神经网络-实际上那些形状是字母。我想实现这个网络来处理从形状中检索到的傅立叶描述符。我的问题是，无论我做什么，改变隐层神经元的数量，使用不同的训练函数等等，我总是得到或多或少等于0.25的网络性能。我已经为此挣扎了好几天了，我真的遇到了麻烦，所以我非常感谢在这件事上的任何帮助

images = readImages(path, str_format);
Tindex = 1;

T = zeros(size(images,1),size(images,1)/4);
[F Z] = GetLetterDescriptors(images{1});
descriptors = zeros(length(F),size(T,1));
for i = 1 : size(images,1)    
    [F, Z] = GetLetterDescriptors(images{i});
    descriptors(:,i) = F;
    T(i,Tindex) = 1;
    Tindex = Tindex + 1;
end


net = feedforwardnet(35);
T = T';
net.layers{2}.transferFcn = 'logsig';
net.layers{1}.transferFcn = 'logsig';
net = trainscg(net,descriptors,T,nnMATLAB);
y = sim(net,descriptors,[],[]);
perf = perform(net,T,y);

---

F是实值傅里叶描述符。

我很早以前就设法解决了这个问题，但我完全忘记了这篇文章。为了解决这个特殊的问题，我不得不使用

patternet

函数而不是

feedforwardnet

，这样网络就可以在几个时代内成功地学习。

通过“实值傅立叶描述符”，你是指复杂FD的真实部分吗？是的，它们是复杂FD的真实部分