第385章 超大规模集成神经网络

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，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230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23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，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。