Neural network 神经网络学习极限

我想知道是否有一种方法可以知道联想神经网络可以学习多少的极限

我想建立一个简单的网络，识别几个单词，甚至纠正它们（如果我输入'betwen'知道我的意思是'between'）

如果有人有有趣的文章，请张贴

---

感谢

多层前馈神经网络是一种通用的近似方法

这意味着，使用多层前馈神经网络，可以用带有误差ε的经验函数f（x）近似任何函数f（x）

如果您的输入是带有单词“between”的图像或二进制矩阵，那么您必须使用表示设置输入层，并使用训练和测试数据示例进行训练

一个简单的想法可以是使用k-means对输入空间进行聚类以检测字符，应用ocr检测并集成单词

可以开发一种更复杂的方法，例如

---

我有字符，问题是识别单词、实际字符模式如何将字符放入输入层？我还没有创建网络，但我认为输入将由字符的实际位组成（5位/字符），因此3个字符将有15个输入（感知器）我不认为把位放在输入层是一个好的表示，这样的表示会丢失信息。如果你手里有这些字符，这看起来不像是一个近似或分类问题。无论如何，您可以为特定的n长度字设置一个固定的n输入层和一个n输出层。设置配对数据并训练网络。您可以使用Matlab或倍频程神经网络工具箱。