Jaccount神经网络插件：简单2层ANN模型

点击release到我们的 Github 页面下载。
或者jAcap到 Chrome 应用商店下载（被墙）。
使用方法见之前的文章 神经网络的Javascript实现：Jaccount验证码识别-chrome插件

最近算是开始正式学习神经网络的内容，了解到了几种用于classification的神经网络模型，才发现原来之前自己套用MATLAB的模型是多蠢。之前的网络模型过于复杂，导致训练时间也很长，而且识别率不算太高。于是有了改新模型的想法。

重新审视下，只是一个分类问题，而且输入的图像十分干净，转成灰度之后只有单色，也没有背景噪声，输出只需要给出26个字母的分类就好。在这种情况下，我用简单的扫描算法找到每个文字的BBox，根本不需要使用到Alexnet等复杂的网即可识别，不仅训练成本高，而且在js中的实现也很麻烦。

于是我尝试用简单的网络尝试，因为感觉英文字母的特征很少，用了一个只有10的神经元的Fully Connected Layer，输出层是26类的Softmax。尝试训练了一下，发现训练速度奇快，准确率也比之前高了6个点，达到了97%。

这个新的网络已经应用到 Chrome 插件的新版本上，欢迎更新~原本已经在 web 商店安装过的童鞋不用手动更新，Chrome 会自动更新。