이전 기사의 연구를 통해, 우리는 이미 신경망에 해당하는 인공 지능을 달성 할 수 있음을 알고있다. 우리는 철저하게 신경 네트워크를 이해할 수 있도록이 부분에서 나는 상세히 설명 할 것이다. 그것을 명확하게 말을하는 신경 네트워크와 기사를 넣어 불가능하기 때문에 단지 기사를 완료 한 후, 당신은 여전히 흐릿한 느낌해야합니다, 이것은 정상입니다. 이 섹션에서 모든 기사를 완료하면, 당신은 갑자기 기분이 빛을 볼 수 있습니다.
우리가 이해하는 데 필요한 첫 번째 단계는 신경 네트워크에 데이터를 입력하는 방법입니다. 예를 들어, 음성 인식, 얼굴 인식이 응용 프로그램에서 어떻게 음성, 신경망에 입력에 직면하게 될 것이다?
지금은 어떻게 사진 여배우의 신경 네트워크에 데이터를 입력하는 방법을 알려 식별 여배우의 예를 취할.
이 실시 예에서, 데이터 입력은 이미지 일 수있다. 컴퓨터 저장 세 개의 행렬에 이미지를 저장하기 위해 각각 세상 (화상에 대응하는, 적색, 녹색, 청색의 세 매트릭스 (매트릭스는 2 차원 배열로 이해 될 수 있으며, 이후의 튜토리얼에게 상세한 설명을 제공한다) 모든 색상) 적색, 녹색, 청색하여 배포 할 수 있습니다. 이미지의 크기는 64 * 64 픽셀 인 경우 (3)을하도록 (픽셀은 컬러의 도트가 적색, 녹색, 255, 255, 255 청색 다음 포인트 백색은 컬러 도트 예컨대 세 RGB 값으로 표시된다) RGB 이미지 세기 값에 대응하는 수치 매트릭스의 내부에이 화상을 대신하여 컴퓨터 (64) * 64 매트릭스 크기. 5 * 4 * 64 대신 64의 행렬을 그린 위의 그림, 그 이유 복잡하지만 이해하기 쉬운에 관여 할 필요가 없기 때문입니다.
후속 처리를위한 더 편리한, 우리는 일반적으로 위의 행렬은 벡터 * N 또는 N * 1의 배열로 이해 될 수있다 (3 1 벡터 (X)로 변환되어, 전자는 또한 벡터 열 벡터로서 행 벡터이며 나중에 기사에서) 헌신. 그런 다음, 벡터 (X)의 치수의 총 개수는 결과가 12288이며, 64 * 64 * 3이다. 각 인공 지능, 신경망 데이터 입력 필드에서 다음 이미지를 상기 특성 12288을 갖고 특성이 호출있다. 12288 차원 벡터는 특징 벡터라고도 함. 신경망은 입력으로 특징 벡터 (X)를 수신하고, 예측 한 결과를 제시.
对于不同的应用，需要识别的对象不同，有些是语音有些是图像有些是传感器数据，但是它们在计算机中都有对应的数字表示形式，通常我们会把它们转化成一个特征向量，然后将其输入到神经网络中。
本篇文章我们已经知道了数据是如何被输入到神经网络中的。那么神经网络是如何根据这些数据进行预测的呢？我们将一张图片输入到神经网络中，神经网络是如何预测这张图中是AV女优的呢？下篇文章我将给大家揭晓。