我来说下我的理解,不一定对,一起讨论下吧1.100个字母,400个数字组成的训练样本应该是可以的,因为训练样本多的话会使整个网络的权值更加接近准确的权值,500个训练样本对于图像处理来说应该不算多。
2.因为预处理后的每个字母/图片为250的向量值,所有训练样本可以组成250*500的输入矩阵,因为一共有10+26=36个分类,所以3层的神经网络为输入层250,输出层36,隐层选20左右,最终得到的输出矩阵为36*500。
(期望矩阵中需要归为一类的可以设为1,其余35个向量值为0)3.和4.应该都可以归为2中5.图片可以用特征提取的方法来减少输入向量的维数,经典有容易理解的如PCA。
谷歌人工智能写作项目:神经网络伪原创

嗯,挺不错的,不过现在已经有《matlab神经网络43个案例分析》了,是30个案例的升级版好文案。
它是matkabsky论坛出版的,还有个matlab中文论坛出版的,《MATLAB神经网络原理与实例精解(附光盘)》也是挺不错的。。这两本里面都有比较多的干货。
另外《神经网络之家》网,nnetinfo也推荐你去看看,上面也有些视频可以下载。