神经网络如何识别视频

1、首先，是一维情景，以分类为例，当要分类正数、负数、零，三类的时候，一维空间的直线可以找到两个超平面，比当前空间低一维的子空间。当前空间是平面的话，超平面就是点分割这三类。但面对像分类奇数和偶数无法找到可以区分它们的点的时候，我们借助 x % 2除2取余的转变，把x变换到另一个空间下来比较0和非0，从而分割奇偶数。

3、其次，所谓监督学习就是给予神经网络网络大量的训练例子，让网络从训练例子中学会如何变换空间。每一层的权重 W 就控制着如何变换空间，我们最终需要的也就是训练好的神经网络的所有层的权重矩阵。这里有非常棒的可视化空间变换Demo，一定要打开尝试并感受这种扭曲过程。 更多内容请看Neural Networks, Manifolds, and Topology.

5、其次，物理视角物质组成，类比回想由碳氧原子通过不同组合形成若干分子的例子。若从分子层面继续迭代这种组合思想，可以形成DNA，细胞，组织，器官，最终可以形成一个完整的人。