神经网络入门实例
这里有一个灰度图像的集合,每个图像都是一个2x2的像素网格,每个像素在0(白色)和255(黑色)之间有一个强度值。我们的目标是建立一个模型,利用“阶梯”模式识别图像。
在这篇文章,我们只关心是否能够合理地匹配数据的模型。
预处理
对于每个图像,我们将像素用x1、x2、x3、x4标记,并生成一个输入向量\mathbf{x}
\mathbf{x} = \begin{bmatrix}x_1 & x_2 & x_3 & x_4\end{bmatrix}
这将是我们的模型的输入。我们期望我们的模型能够预测真(图像有阶梯模式)或假(图像没有阶梯模式)。
图像ID |
x1 |
x2 |
x3 |
x4 |
具有阶梯模式 |
1 |
252 |
4 |
155 |
175 |
真 |
2 |
175 |
10 |
186 |
200 |
真 |
3 |
82 |
131 |
230 |
100 |
假 |
… |
… |
… |
… |
… |
… |
498 |
36 |
187 |
43 |
249 |
假 |
499 |
1 |
160 |
169 |
242 |
真 |

