模式识别和算法与神经网络

Question

我正在阅读一本关于大脑如何使用模式层次结构来识别和建模概念和感觉信息的书，例如写在书中的字母和单词、物理对象或其他类似性质的事物。但我对如何实施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，模式的所有特征到底是什么？
• 在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而不是神经网络来识别它们？
• 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，但是我将如何使用二维像素数组来实现呢？
• 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的特征序列的方式是否有所不同？

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我迄今为止没有获得的出色的数学背景。

Answer 1

数学模式和图像特征的识别都使用相同类型的“认知”，但您有各种不同的实现，专门针对每一种。在图像中，您正在处理像素颜色（例如：255,255,255）及其与周围像素的关系（二维数组）。

为了便于计算，大多数算法都经过以下步骤：

• 遍历每条水平线，然后遍历每条垂直线，并创建一个像素差异数组（最好在 L*a*b 颜色空间中）。
• 然后通过调整一些参数，您可以隔离在 x 和 y 方向上连续的独特“对象”
• 创建对象的逻辑树及其在图像上的位置

如果您想做一些不同的事情，那么您可以使用快速傅里叶变换并遵循那里的模式。如果您使用的是常规数字模式，则原理是相同的。