人工智能技术,图像识别

图像识别，上述发现潜在规律的基本原理同样适用于模式识别，每一个输入的图像x都可以被视为一个很大的数字集合，例如，一张1000×1000像素的黑白照片可以用100万的数字表示每个数字表示一个像素的灰度值，如果是彩色图像，则每个像素有三个指标是红色，绿色和蓝色，同样，机器给出的答案图像识别，也可以由一个数字或一系列数字表示，比如像机器输入一张猫的图片来，然后只是机器回答，这是一只猫外，我们可以设定y=1代表猫一，i=1对应一对应一的东西，这样我们就限定了函数的输入为两类图像，我们也可以用同样的方法训练一辆配备摄像机的汽车进行自动驾驶，只不过过程要稍微服。

有一点，因为这次要输入系统的，x是由数百万个数字组成的图像系统会根据图像计算汽车在道路上的位置输出值，a是方向盘的角度和踏板受到的压力，假如想要训练一台机器，汽车，图像和飞机图像，我们需要提供十五千张汽车图像和数千张飞机图像，然后输入一张汽车图像，如果机器给出正确的答案，那么我们什么也不要做，如果机器判断错误，那我们就调整系统参数，使其更接近正确答案，换句话说，我们利用调整参数的方式，减少误差，所有的监督学习系统都遵循相同的原则及一对于一个输入值xx，可以是图像计算机程序中的一个数字表语音信号由麦克风输入的数字模拟转换器发出的数字系列要翻译的文本由一系列数字表示这些。

我们将在下面的章节中，详细分析二，有一个期望的输出值y，她是对应输入值x的理想结果，三，机器输出的指令是由机器给出的答案。