目标:使用神经网络进行数字识别
描述:图像被标准化为8 x 13像素
。对于每一行,黑色像素由 1
表示,每个白色像素由 0
表示。因此,每个图像都由向量的向量表示,如下所示:
问题:是否可以在神经网络中使用向量的向量
?如果不是,应该如何表示图像?
- 将行合并为
1
向量? - 将每一行转换为其十进制格式。示例:Row1: 11111000 = 248 等
最佳答案
简单地通过串联将它们组合成一个向量当然是可能的。事实上,您应该注意到,只要训练和分类之间保持一致,对数据的任意重新排序就不会改变结果。
至于你的第二种方法,我认为(我真的不确定)你可能会丢失一些信息。
关于algorithm - 特征向量表示神经网络,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27227450/