案例來源：@新智元 @量子位

0. 背景：google公開了一個讓神經網路和你一起寫漢字的demo“Kanji-RNN”，你寫入漢字的前幾畫，神經網路補全成一個完成的“漢字”。

1. 目標：讓神經網路學會“漢字”的書寫

    1）這裡的漢字不一定是真實存在的，看起來像漢字就行

    2）目前寫法比較粗糙，但如果能達到人類寫漢字的水平（字型、頓筆等），就能進行漢字字型的開發（漢字字型開發成本極高，一般需要一個團隊2年的時間，因此中文字型較少）

2. 過程

    1）輸入資料是真實漢字按照筆畫資料的：筆畫、x軸偏移量、y軸偏移量、是否落在紙上（連筆或者非連筆）

    2）分類器採用谷歌塗鴉的sketch-rnn框架，sketch-rnn使用混合高斯分佈來估算下一筆的位移。這個用來生成筆跡的方法叫做混合密度網路

    3）對漢字寫完的概率進行建模，也即結束字元“end-of-char”概率：模型的softmax層計算每一畫落筆、筆畫結束、字元結束的概率，當字元結束時前兩者也結束。

3. 效果