【跟马少平老师学AI】-【神经网络是怎么实现的】（一）从数字识别谈起

一句话归纳：数字的图像矩阵，有笔画的地方用1表示，没有笔画的地方用0表示；数字的模式矩阵，没有笔画的地方用-1表示。图像矩阵与模式矩阵进行运算，运算结果最大者为识别结果，其运算为单层神经网络。

1）每个数字有对应的模式矩阵，没有笔画的部分，用-1表示。

2）每个数字的图像矩阵，有笔画的地方用1表示，没有笔画的地方用0表示。

3）图像矩阵与模式矩阵进行运算，如果匹配，则值较大，不匹配，则值较小。

4）对计算结果加上偏置，进行sigmodi运算，将计算结果映射到[0,1]区间内。

        ​        ​​​​​​​         

偏置作用举例：

sigmoid（143-129）= 0.999999

sigmoid（115-129）= 0.000001

b = -129，即偏置。

5）数据识别模式的神经网络表达：

6）多层神经网络。

输入层的计算结果并不直接到达输入出层，输入层的计算结果到达隐含层，隐含层的计算结果到达输出层，可以 有多个隐含层，隐含层表示某种局部模式，比如3的右半部分。