正文卷 第385章 超大规模集成神经网络
推荐阅读： 邪王嗜宠：神医狂妃 邪王嗜宠鬼医狂妃 邪王嗜宠：鬼医狂妃 妖孽修真弃少 我寄人间 从今天起当首富 宠妻入骨：神秘老公有点坏 重生之再铸青春 超级修真弃少 修复师 万古第一神 我在坟场画皮十五年 裂天空骑 武神主宰 神医萌宝 重生南非当警察 神道仙尊 妖夫在上
之所以会出现乱码，这是因为dos系统本身，并不支持汉字显示的缘故。
解决这个问题的途径有很多。
比如打造一个ccdos、ucdos之类的汉字操作系统……
这样可以一劳永逸，但工程量十分浩大。
所以江寒琢磨了一下，决定采用一种临时性的解决方案。
他先退出了虚拟空间，上网找到了一份img格式的ucdos系统软盘映像。
下载、解压之后，将hzk16和hzk16f提取了出来，并传到了虚拟空间里的286电脑中。
这两个文件是ucdos的字库文件，前者是简体中文字库，后者则支持繁体中文。
随后，江寒再次进入虚拟空间，在自己制作的字典程序里添加了一小段代码，使其拥有了汉字显示功能。
基本原理是根据汉字的内码，在字库文件中找到对应的点阵信息，然后一个像素、一个像素地画到屏幕上。
然而，在286这么落后的电脑上，如果不使用一点技巧，直接画点的话，每秒钟大概只能显示5~6个汉字。
这样的速度自然远不能让人满意。
为了提高显示速度，远古的编程高手们，开发出了一种叫做“直接写屏”的技术，将像素信息直接写到“显示缓冲区”中去。
“显示缓冲区”是一块特别的内存区域，写入其中的数据，会马上显示在屏幕上。
使用了“直接写屏”技术的软件，理论上来说，显示速度可以接近机能的上限。
这种技术也有缺点，那就是各种显示卡、显示模式，所使用的“显示缓冲区”，位置并不一样。
例如cga显卡的“显示缓冲区”，起始地址就是b800h……
这样一来，就对程序的兼容性提出了挑战。
好在江寒只需要支持自己的这台286就行，其他机型完全不需要考虑。
江寒写完这个程序，调试、编译成功了以后，他的个人专用英汉电子词典，终于可以正常使用了。
看看时间已经不早，他就退出了虚拟空间。
今晚先到这里，好好睡上一觉，剩下的事情，明晚再说……
第二天一早。
江寒起床后，刚洗完脸，手机忽然响了起来，拿过来一看，竟然是小蚊子打来的。
江寒接了起来：“这么早？”
靳雪雯嘻嘻一笑：“江寒哥哥早！嗯……对了，我这么早就给你打电话，有没有打扰到你和雨菲姐姐的好梦啊？”
江寒：“……”
最多打扰到自己，怎么可能打扰到小媳妇？
不过这个就不需要跟她解释了……
“有事说事，没事我吃饭了。”江寒边说边下楼。
靳雪雯嘟了嘟嘴，抱怨了一声：“江寒哥哥一点也不温柔……”
江寒笑而不语。
对你这个小丫头，还用得着那么小心翼翼吗？
咱的温柔只留给小媳妇就行了……
也没用江寒哄，靳雪雯很快就自己调整好了心态，欢快地说：“对了，江寒哥哥，carc正赛还有不到一个月了，你要不要参加啊？“
上次在魔都，俩人参加的那个机器人比赛，只是中国青少年机器人竞赛（carcp）的预选赛。
而1月下旬，还有一场规模更大的正赛，在帝都举行。
只有预赛的前三名，或者在其他赛事中名列前茅的选手，才会得到组办方的邀请。
江寒笑了笑：“当然。”
别的不说，冲着提高学力等级的机会，他也不可能错过这场盛会。
”那咱们再组一次队，好不好？”靳雪雯的语气里充满了希冀。
江寒微微一笑：“没问题，你愿意的话，还可以再带一个人进队，我这边已经找到两个了。”
正赛采用的是类似lol的moba赛制，每组最少需要五台机器人，选手数量则限制在3~5人之间。
江寒已经决定了，到时候会带上方源和小鱼儿，让他们两个也长长见识。
这样一来，算上靳雪雯，队伍就接近满员，最多只能再塞进来一个人了……
靳雪雯很开心：“一言为定！”
两人说完这件事后，约好了到时候再联络，然后就挂断了电话。
江寒和夏雨菲母女一起吃完早餐后，就照常去上学。
整个上午，他都在用心研读《数学物理方程》，等到中午放学时，就差不多把这本书读透了。
中午吃完饭，江寒将夏雨菲哄睡之后，就拿出笔记本电脑，开始编写程序。
他昨天就打算好了，做一个实用一点的ocr软件。
界面部分可以放在以后再弄，今天先把最难搞的核心算法写出来。
毕竟人工神经网络，需要大量的时间训练……
ocr的技术要点，关键在于识别算法。
打印字体的识别，比手写识别简单多了，毕竟计算机常用的字体，也就那么几种。
江寒先从网络上，将各种字体文件全都下载了一遍。
然后设计了一个程序，调用这些字体，生成了许多小图片。
每张图片都是一个汉字、数字、字母，或者特殊符号。
江寒使用数据扩充算法，将每张图片略微变形、变色、位移、旋转……
得到了数以十倍的样本图片。
并且，在生成图片的同时，还顺便生成了一一对应的标签。
这样江寒就拥有了海量的训练数据。
接下来，他又综合运用已经掌握的机器学习知识，设计了一个庞大的集成式机器学习算法。
其中不可避免地，用到了，也就是最新开发出来的“卷积神经网络”。
为了最大限度地提高识别正确率，整个网络包括了许多层级不同的子网络。
每个图块输入到网络中后，先由第一级网络进行粗分类。
将输入的图片，划分成汉字、数字、英文字母、特殊符号这四个大类，然后分门别类地送入四个子网络中。
如果第一级识别的结果是数字，那么就会送进一个类似于手写数字识别的小型网络中，进一步分类，看看属于0~9中哪一个数字。
英文和特殊符号的处理，也和数字差不多，只是输出结果的类别数，稍微大了那么一点点。
但如果经过第一级网络的识别，判断归属于汉字大类，那么处理起来就稍微复杂一些了。
江寒将5000个左右的常用汉字，划分成了4000个子集。
然后使用自组织聚类神经网络（s），设计了一个拥有4000个输出的分类器。
少部分子集只含有一个元素，意味着分类到这些子集中的汉字，可以直接输出识别结果。
大部分子集里含有2~30个元素，这意味着还需要送入第三级网络，进一步进行分类。
如果该子集中的元素，只有2~3个，那么就送进一个单字分类器中，识别出最终结果。
多于3的话，就送入细分类网络模块（rnm），进一步分类。
循环进行前两步，直到每个子集的元素个数都小于等于3，然后逐一送入单字分类器中，输出最后的结果。
这就是这个集成网络的整个工作流程，其中使用了数百个中型神经网络。
这些神经网络在设计上，基本大同小异，所以编程难度并不高。
麻烦的是，每个神经网络，都得单独训练，而这需要大量的算力。
好在他早就在高新区地下的机房里，准备好了十几台高性能服务器。
江寒将程序设计出来，然后连同训练数据，一起上传到了那些服务器中。
十几台服务器全力运转，差不多一两天就能完成训练。
<a href="s://.c/read/35827/20047386.html" target="_blank">s://.c/read/35827/20047386.html</a>
.c。m.c说说520小说阅读_www.shuoshuo520.cc
解决这个问题的途径有很多。
比如打造一个ccdos、ucdos之类的汉字操作系统……
这样可以一劳永逸，但工程量十分浩大。
所以江寒琢磨了一下，决定采用一种临时性的解决方案。
他先退出了虚拟空间，上网找到了一份img格式的ucdos系统软盘映像。
下载、解压之后，将hzk16和hzk16f提取了出来，并传到了虚拟空间里的286电脑中。
这两个文件是ucdos的字库文件，前者是简体中文字库，后者则支持繁体中文。
随后，江寒再次进入虚拟空间，在自己制作的字典程序里添加了一小段代码，使其拥有了汉字显示功能。
基本原理是根据汉字的内码，在字库文件中找到对应的点阵信息，然后一个像素、一个像素地画到屏幕上。
然而，在286这么落后的电脑上，如果不使用一点技巧，直接画点的话，每秒钟大概只能显示5~6个汉字。
这样的速度自然远不能让人满意。
为了提高显示速度，远古的编程高手们，开发出了一种叫做“直接写屏”的技术，将像素信息直接写到“显示缓冲区”中去。
“显示缓冲区”是一块特别的内存区域，写入其中的数据，会马上显示在屏幕上。
使用了“直接写屏”技术的软件，理论上来说，显示速度可以接近机能的上限。
这种技术也有缺点，那就是各种显示卡、显示模式，所使用的“显示缓冲区”，位置并不一样。
例如cga显卡的“显示缓冲区”，起始地址就是b800h……
这样一来，就对程序的兼容性提出了挑战。
好在江寒只需要支持自己的这台286就行，其他机型完全不需要考虑。
江寒写完这个程序，调试、编译成功了以后，他的个人专用英汉电子词典，终于可以正常使用了。
看看时间已经不早，他就退出了虚拟空间。
今晚先到这里，好好睡上一觉，剩下的事情，明晚再说……
第二天一早。
江寒起床后，刚洗完脸，手机忽然响了起来，拿过来一看，竟然是小蚊子打来的。
江寒接了起来：“这么早？”
靳雪雯嘻嘻一笑：“江寒哥哥早！嗯……对了，我这么早就给你打电话，有没有打扰到你和雨菲姐姐的好梦啊？”
江寒：“……”
最多打扰到自己，怎么可能打扰到小媳妇？
不过这个就不需要跟她解释了……
“有事说事，没事我吃饭了。”江寒边说边下楼。
靳雪雯嘟了嘟嘴，抱怨了一声：“江寒哥哥一点也不温柔……”
江寒笑而不语。
对你这个小丫头，还用得着那么小心翼翼吗？
咱的温柔只留给小媳妇就行了……
也没用江寒哄，靳雪雯很快就自己调整好了心态，欢快地说：“对了，江寒哥哥，carc正赛还有不到一个月了，你要不要参加啊？“
上次在魔都，俩人参加的那个机器人比赛，只是中国青少年机器人竞赛（carcp）的预选赛。
而1月下旬，还有一场规模更大的正赛，在帝都举行。
只有预赛的前三名，或者在其他赛事中名列前茅的选手，才会得到组办方的邀请。
江寒笑了笑：“当然。”
别的不说，冲着提高学力等级的机会，他也不可能错过这场盛会。
”那咱们再组一次队，好不好？”靳雪雯的语气里充满了希冀。
江寒微微一笑：“没问题，你愿意的话，还可以再带一个人进队，我这边已经找到两个了。”
正赛采用的是类似lol的moba赛制，每组最少需要五台机器人，选手数量则限制在3~5人之间。
江寒已经决定了，到时候会带上方源和小鱼儿，让他们两个也长长见识。
这样一来，算上靳雪雯，队伍就接近满员，最多只能再塞进来一个人了……
靳雪雯很开心：“一言为定！”
两人说完这件事后，约好了到时候再联络，然后就挂断了电话。
江寒和夏雨菲母女一起吃完早餐后，就照常去上学。
整个上午，他都在用心研读《数学物理方程》，等到中午放学时，就差不多把这本书读透了。
中午吃完饭，江寒将夏雨菲哄睡之后，就拿出笔记本电脑，开始编写程序。
他昨天就打算好了，做一个实用一点的ocr软件。
界面部分可以放在以后再弄，今天先把最难搞的核心算法写出来。
毕竟人工神经网络，需要大量的时间训练……
ocr的技术要点，关键在于识别算法。
打印字体的识别，比手写识别简单多了，毕竟计算机常用的字体，也就那么几种。
江寒先从网络上，将各种字体文件全都下载了一遍。
然后设计了一个程序，调用这些字体，生成了许多小图片。
每张图片都是一个汉字、数字、字母，或者特殊符号。
江寒使用数据扩充算法，将每张图片略微变形、变色、位移、旋转……
得到了数以十倍的样本图片。
并且，在生成图片的同时，还顺便生成了一一对应的标签。
这样江寒就拥有了海量的训练数据。
接下来，他又综合运用已经掌握的机器学习知识，设计了一个庞大的集成式机器学习算法。
其中不可避免地，用到了，也就是最新开发出来的“卷积神经网络”。
为了最大限度地提高识别正确率，整个网络包括了许多层级不同的子网络。
每个图块输入到网络中后，先由第一级网络进行粗分类。
将输入的图片，划分成汉字、数字、英文字母、特殊符号这四个大类，然后分门别类地送入四个子网络中。
如果第一级识别的结果是数字，那么就会送进一个类似于手写数字识别的小型网络中，进一步分类，看看属于0~9中哪一个数字。
英文和特殊符号的处理，也和数字差不多，只是输出结果的类别数，稍微大了那么一点点。
但如果经过第一级网络的识别，判断归属于汉字大类，那么处理起来就稍微复杂一些了。
江寒将5000个左右的常用汉字，划分成了4000个子集。
然后使用自组织聚类神经网络（s），设计了一个拥有4000个输出的分类器。
少部分子集只含有一个元素，意味着分类到这些子集中的汉字，可以直接输出识别结果。
大部分子集里含有2~30个元素，这意味着还需要送入第三级网络，进一步进行分类。
如果该子集中的元素，只有2~3个，那么就送进一个单字分类器中，识别出最终结果。
多于3的话，就送入细分类网络模块（rnm），进一步分类。
循环进行前两步，直到每个子集的元素个数都小于等于3，然后逐一送入单字分类器中，输出最后的结果。
这就是这个集成网络的整个工作流程，其中使用了数百个中型神经网络。
这些神经网络在设计上，基本大同小异，所以编程难度并不高。
麻烦的是，每个神经网络，都得单独训练，而这需要大量的算力。
好在他早就在高新区地下的机房里，准备好了十几台高性能服务器。
江寒将程序设计出来，然后连同训练数据，一起上传到了那些服务器中。
十几台服务器全力运转，差不多一两天就能完成训练。
<a href="s://.c/read/35827/20047386.html" target="_blank">s://.c/read/35827/20047386.html</a>
.c。m.c说说520小说阅读_www.shuoshuo520.cc