前の記事の研究を通じて、我々はすでに、ニューラルネットワークが真の人工知能を達成することができることを知っています。我々は徹底的にニューラルネットワークを理解するように、このセクションでは、私は、詳細に説明します。明確に話すように、ニューラルネットワークとの記事を置くことは不可能であるため、唯一の記事だけを完了した後、あなたはまだかすんで感じなければならない、これは、正常です。あなたは、このセクションのすべての記事を終了したら、あなたは突然感じる光が表示されます。
私たちが理解する必要がある最初のステップは、ニューラルネットワークにデータを入力する方法です。例えば、音声認識、顔認識、これらのアプリケーションでは、どのように声は、ニューラルネットワークへの入力に直面するだろうか？
今、私はどのように画像女優ニューラルネットワークにデータを入力する方法を教えて識別女優の一例を取ります。
本実施形態では、入力されるデータは、画像です。コンピュータストア3つの別々のマトリックスに画像を保存するために、それぞれの世界の（画像に対応する、赤、緑、青の3つの行列（マトリクスは、2次元配列として理解することができ、後でチュートリアルでは、詳細な説明を与えます）すべての色）、赤、緑、青によって展開することができます。3ように画像のサイズは、（画素がカラードットであり、カラードットが255,255,255として、例えば、赤、緑、青の3つのRGB値で表され、次いで、ポイントは白色である）、64×64画素である場合RGBの画像強度値に対応する数値行列の内側にこの画像に代わってコンピュータに64×64のマトリクスサイズ、。上図は、なぜ、5 * 4 * 64の代わりに64行列を描きましたか？複雑であるが、理解しやすいに従事する必要はありませんので。
後続の処理のためのより便利な、我々は、一般的に上記の行列はベクトル*はNまたはN * 1の配列として理解することができる（3 1ベクトルxに変換されることが、前者はまた、ベクターの列ベクトルと列ベクトルであります今後の記事で）捧げました。次に、ベクトルxの次元の総数は、結果は12288であり、64 * 64 * 3です。人工知能の分野では、それぞれのニューラルネットワークデータ入力特性が呼び出される有し、この画像は、上記の特性12288を有しています。12288次元のベクトルは、特徴ベクトルとして知られています。ニューラルネットワークは、入力として特徴ベクトルxを受信し、予測し、結果を提示します。
对于不同的应用，需要识别的对象不同，有些是语音有些是图像有些是传感器数据，但是它们在计算机中都有对应的数字表示形式，通常我们会把它们转化成一个特征向量，然后将其输入到神经网络中。
本篇文章我们已经知道了数据是如何被输入到神经网络中的。那么神经网络是如何根据这些数据进行预测的呢？我们将一张图片输入到神经网络中，神经网络是如何预测这张图中是AV女优的呢？下篇文章我将给大家揭晓。