필자의 OCR 애플리케이션에서 필기 텍스트를위한 피드 전달 NN을 사용하기로 결정했으며 입력 레이어는 32 * 32 (1024) 뉴런 및 최소 8-12 밖으로 넣어 뉴런.Neuroph 대 Encog
동시에 몇 가지 기사를 읽음으로써 사용하기 쉬운 Neuroph를 발견했습니다. Encog는 성능이 몇 배 좋았습니다. 내 시나리오에서 API가 가장 적합한 매개 변수를 고려하십시오. 그리고 내가 가지고있는 입력 노드의 수에 대해 논평 할 수 있다면 고맙겠습니다. 너무 큽니다. (주제가 없더라도)
첫 번째 면책 조항, 나는 Encog 프로젝트의 주요 개발자 중 한 명입니다. . 이것은 내가 Encog에 Neuroph가 더 친숙하다는 것을 의미하며 아마도 Neuroph에 편향되어있을 것입니다. 제 생각에는 각각의 상대적인 강점은 다음과 같습니다. Encog는 교환 할 수있는 많은 기계 학습 방법과 교육 방법을 지원합니다. Neuroph는 신경망에 매우 중점을두고 있으며, 무엇이든 관계를 표현할 수 있습니다. 따라서 일반적인 Elman/Jordan, NEAT, HyperNEAT, Feedforward 유형 네트워크와는 다른 유형의 매우 맞춤/비표준 (연구) 신경 네트워크를 만들려면 Neuroph가 법안을 잘 맞출 것입니다.