《重生学神有系统》第385章 超大规模集成神经网络

    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CNN，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，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，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。