Здравствуйте, Khimik, Вы писали:

K>Вот этот момент мне непонятен.
K>Я вроде понимаю, что для свёрточных нейросетей нужен именно градиентный спуск. Но в моём названном примере я что-то не уверен, что градиентный спуск вообще тут может что-то дать. Здесь ведь на вход НС подаётся набор дескрипторов, и буквы или цифры должны определяться по конкретному сочетанию этих дескрипторов.

Да, но нейросети не смотрят: если-если. Ты сейчас описываешь перцептрон: он определяет по взвешенной сумме.

K>Ну вот как отличить 6 от 9, напримеп: у обоих знаков есть одна полость и несколько изогнутых линий, но центр тяжести по оси Y для шестерки ниже, чем для девятки. Т.е. тут почти бинарная логика:
K>одна полость, несколько линий, центр тяжести внизу — это 6
K>одна полость, несколько линий, центр тяжести вверху — это 9.
K>Это как у Платона, который назвал человека двуногим существом без перьев, а Диоген ощипал петуха и заявил, что он точно соответствует этому определению, после чего Платон внес уточнение, добавив, что человек — это двуногое существо без перьев и с плоскими ногтями.
K>Когда речь о какой-то такой бинарной логике, я не вижу как может помочь градиентный спуск. Тут надо именно перебирать все варианты.

Это описание Decision tree, оно вполне подойдёт и будет быстро работать. Также можешь использовать SVM, его, скорее всего, получится настроить для твоих признаков точнее.