Machine learning 理解机器学习和神经网络

我试图理解机器学习和神经网络

我知道有很多关于这方面的文章，但这是一个简单但正确的理解：

机器学习：

在执行图像识别的培训中。 你能说机器学习是一个训练的过程，给一个对象一个特定的模式，并给它权重来衡量模式不同部分的重要性吗

例如，苹果又硬又圆，而香蕉又软又椭圆形。然后，该模式还被赋予权重，以解释其重要性以及苹果与香蕉相比的硬度和圆度

神经网络：

下一步是将模式输入神经网络进行图像识别。 摄像机将图像中的像素数据输入神经网络到第一层。在第一层和输出层之间的隐藏层中，神经网络使用权重来比较它是否与任何训练模式相似

例如：好的，图像包含圆形的东西，因此权重表示它肯定不是巴南。但它可能是一个橙色和一个苹果，但由于颜色是绿色，它更可能是一个苹果。重量表明绿色物体很可能不是橙色

通过这种方式，权重有助于神经网络做出合格的猜测

这是通过神经网络对机器学习和图像识别的简化但正确的描述吗