neural-network - 神经元与 Encog

Question

我决定为我的手写文本 OCR 应用程序使用带有反向传播训练的前馈神经网络，输入层将使用 32*32 (1024) 个神经元和至少 8-12 个输出神经元。

通过同时阅读一些文章，我发现 Neuroph 易于使用，Encog 的性能要好几倍。考虑我的场景中的参数，哪个 API 是最合适的。如果您可以评论我所采用的输入节点的数量，我将不胜感激，它的价值是否太大（尽管它不在主题范围内）

Answer 1

首先我的免责声明，我是 Encog 项目的主要开发人员之一。这意味着我对 Encog 比 Neuroph 更熟悉，并且可能对它有偏见。在我看来，每个人的相对优势如下。Encog 支持相当多的可互换的机器学习方法和训练方法。Neuroph 非常专注于神经网络，您可以表达几乎任何事物之间的联系。因此，如果您要创建与典型 Elman/Jordan、NEAT、HyperNEAT、前馈类型网络不同类型的非常定制/非标准（研究）神经网络，那么 Neuroph 将非常适合。