Как это тикает

Привет.
Сегодня, я покажу как работает программа распознавания образов. И конечно же, данная статья ничего не имеет общего с ABBY FineReader. Также отмечу, что это статья на 5 минут, здесь вы не найдете теоретических выкладок.
Далее...
Введение
Вместо теории приведу картинку, которая показывает как будет работать программа. Отмечу, что обучать мы будем однослойный перцептрон(нейронную сеть).

Основная часть
Эту программу можно также рассматривать как бинарный классификатор, который основываясь на входном векторе(картинке) генерирует его класс(1 или 0).
Кстати, вот так бы выглядела предыдущая картинка на языке C#:). Во избежания усложнения, демонстрационный пример будет реализован в виде консольного приложения. А вместо картинок будут использоваться в массивы чисел. using System; namespace TestAI { class Program { static void Main(string[] args) { Perceptron p = new Perceptron(1, 25); // обучающая выборка int[][] a = new int[2][]; a[0] = new int[25] { 0, 1, 1, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1, 0 }; a[1] = new int[25] { 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0 }; // обучение for (int i = 0; i < a.Length; i++) { p.Teach(a[1], new int[1] { i }); } // Будем распознавать этот вектор int[] input = new int[25] { 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0 }; // Распознаем int[] output = p.Recognize(input); // Класс(1 или 0) Console.WriteLine(output[0]); } } } В качестве реализации однослойного перцептрона возьмем решение предложенное на хабре и перепишем его на шарпе. using System; namespace TestAI { class Perceptron { private Neuron[] neurons; int m; int n; public Perceptron(int n, int m) { this.n = n; this.m = m; neurons = new Neuron[n]; for (int i = 0; i < n; i++ ) { neurons[i] = new Neuron(m); } } public int[] Recognize(int[] x) { int[] y = new int[n]; for (int i = 0; i < n; i++) { y[i] = neurons[i].Transfer(x); } return y; } public void Teach(int[] x, int[] y) { int d = 0; int v = 1; int[] t = Recognize(x); while (!Equal(t, y)) { for (int j = 0; j < n; j++) { d = y[j] - t[j]; neurons[j].Teach(v, d, x); } t = Recognize(x); } } public bool Equal(int[] v1, int[] v2) { if (v1.Length != v2.Length) { return false; } for (int i = 0; i < v1.Length; i++ ) { if (v1[i] != v2[i]) { return false; } } return true; } } class Neuron { private int[] w; private int s = 50; public Neuron(int m) { w = new int[m]; for (int i = 0; i < w.Length; i++) { w[i] = 0; } } public int Transfer(int[] x) { return Activate(Add(x)); } public void Teach(int v, int d, int[] x) { for (int i = 0; i < w.Length; i++) { w[i] += v * d * x[i]; } } private int Add(int[] x) { int nec = 0; for (int i = 0; i < x.Length; i++ ) { nec += w[i] * x[i]; } return nec; } private int Activate(int nec) { return (nec >= s) ? 1 : 0; } } } Заключение
В данной статья, я попытался максимально доступно показать, как распознавать образы.