模式识别和算法与神经网络

Question

我正在读一本关于大脑如何使用模式层次来识别和模拟概念和感官信息的书，如书中写的字母和单词，物理对象或其他具有此类性质的东西。但我对如何实现这样一个系统的简单版本感到有点困惑。我对此有几个问题。

• 首先，在这种情况下，模式的所有特征究竟是什么？
• 这种模式层次结构中最基本的元素是什么？
• 有没有办法通过算法识别它们而不是神经网络？
• 如果我编写一个程序来从一行像素中形成图案，这可能有点容易，但我如何使用二维像素数组呢？
• 视觉模式和数学模式之间是否存在差异？
• 在识别数字序列中的模式而不是图像中的一系列特征时，是否存在差异？

我真的很想帮助理解这一点，因为我发现的大部分信息都需要一个很好的数学背景，而这个背景我到目前为止还没有。

Answer 1

对数学模式和图像特征的识别都使用相同类型的“认知”，但是您有各种不同的实现，专门针对每种。在图像中，您正在处理像素颜色（例如：255,255,255）及其与周围像素（二维数组）的关系。

为了便于计算，大多数算法都经历了以下内容：

• 遍历每条水平线，然后穿过每条垂直线，并创建一个像素差异数组（最好是L * a * b颜色空间）。
• 然后通过调整一些参数，您可以隔离在x和y方向上连续的唯一“对象”
• 在图像上创建对象及其位置的逻辑树

如果你想做一些不同的事情，那么你将使用快速傅里叶变换并遵循那里的模式。如果您使用常规数字模式，原则是相同的。