Artificial intelligence 模式识别和算法与神经网络

我在读一本书，关于大脑如何利用模式的层次结构来识别和建模概念和感官信息，比如写在书中的字母和单词，或者物理对象，或者其他类似的东西。但我对如何实现这样一个系统的简单版本感到有点困惑。关于这一点，我有几个问题

• 首先，在这种情况下，模式的所有特征究竟是什么
• 在这样的模式层次结构中，最基本的元素是什么
• 有没有一种方法可以通过算法而不是神经网络来识别它们
• 如果我写一个程序来从一行像素中形成图案，这可能有点容易，但如何使用二维像素阵列呢
• 视觉模式和数学模式之间有区别吗
• 识别数字序列中的模式与识别图像中特征序列的方式是否有区别

---

我真的很想得到一些帮助来理解这一点，因为我发现的大多数信息都需要一个很好的数学背景，而我到目前为止还没有获得。

对数学模式和图像特征的识别都使用相同类型的“认知”，但你有各种不同的实现，专门针对每一种。在图像中，处理的是像素颜色（例如：255255）及其与周围像素的关系（二维数组）

为了便于计算，大多数算法都要经过以下步骤：

• 穿过每一条水平线，然后穿过每一条垂直线，并创建一个像素差数组（最好在L*a*b颜色空间中）
• 然后通过调整一些参数，可以隔离在x和y方向上连续的唯一“对象”
• 创建对象及其在图像上的位置的逻辑树

---

如果你想做一些不同的事情，那么你可以使用快速傅立叶变换并遵循那里的模式。如果您使用的是正数模式，那么原理是相同的。

对数学模式的识别和图像特征都使用相同类型的“认知”，但您有各种不同的实现，专门针对每种实现。在图像中，处理的是像素颜色（例如：255255）及其与周围像素的关系（二维数组）

为了便于计算，大多数算法都要经过以下步骤：

• 穿过每一条水平线，然后穿过每一条垂直线，并创建一个像素差数组（最好在L*a*b颜色空间中）
• 然后通过调整一些参数，可以隔离在x和y方向上连续的唯一“对象”
• 创建对象及其在图像上的位置的逻辑树

---

如果你想做一些不同的事情，那么你可以使用快速傅立叶变换并遵循那里的模式。如果您使用的是常规数字模式，则原则是相同的。

不要害怕这里或那里有新行和一些格式。另外，这可能是太多的问题。不要害怕这里和那里的新行和一些格式。此外，这可能是太多的问题。