神经网络输入数据，笛卡尔平面x / y坐标，与手写相关联

通常，用于图像/手写识别的简单NN采用2-d布尔矩阵作为输入;即，黑白位图。确保你有一套可用的训练;或者让用户使用在线反向学习训练算法。 @ FrustratedWithFormsDesigner的建议也发送订单可能会使NN变得更“聪明”，但如果您只是学习，请首先尝试位图版本并查看其工作情况。另外，使用位图粒度。也许首先尝试数字识别，在网络上有针对该问题的标准数据集。     

您不仅需要发送X / Y坐标，还需要发送它们所绘制的ORDER。因此，路径可能比仅仅一组点更好。神经网络应该能够处理它，并且有很多方法可以处理它。一种方法可能是将路径分成n个神经元的区段，并让每个神经元识别一个字母。     

基本过程是累积要识别的每个字母的多个示例，预处理原始数据，训练候选模型的集合，并基于单独的保持数据集上的测试性能选择最终模型。 预处理的性质取决于您收集的数据。如果是“连接点”笔移动数据，那么将图像划分成区域可能是最简单的，并且通过每个区域的点数来概括。相反，如果您正在录制光栅图像，则其他预处理将非常有用，例如简单统计和垂直和水平投影轮廓（行和列平均值）。 几年前，“Dobb博士的日记”开展了一次手写识别比赛（使用电子墨水数据）。你可以在这里读到它： http://www.drdobbs.com/184408743;jsessionid=IG5ALGCW1HZZVQE1GHPCKH4ATMY32JVN?pgno=4 ...和这里： http://www.drdobbs.com/184408923;jsessionid=IG5ALGCW1HZZVQE1GHPCKH4ATMY32JVN?pgno=2