類神經網路是如何訓練參數的呢？
用影像辨識舉例，假設我們要找電腦能夠識別一張鳥的圖片。我們要先有足夠多的資料來判斷。假設我們有10萬張鳥的圖片以及10萬張其他動物的圖片。並且已經知道標記過是什麼動物的圖片。我們就可以開始訓練智能模型。
一、共用性與特用性
我們先從鳥的圖片裡收集鳥的各種特徵，將有鳥的圖片一定會出現的圖樣記錄下來，也就是所謂的共用性。以及各種動物會出現的圖樣記錄下來，並且跟鳥類的圖樣做出分別，將鳥類圖樣的集合減去其他動物的圖樣的集合，也就是所謂的特用性。二、類神經網路訓練
找到了圖樣之後我們就需要一個神經網路的推理引擎。把這些照片的分數推理出來。如果是鳥的照片，分數就會很高，如果不是，分數就會很低。兩個分數的平均相減，我們得到的分數越高越好，也就是要得最佳化的參數，使辨識結果更加明確。
三、結語
我們對圖片進行辨識時，我們要有足夠的訓練資料且已經被標記過，經過訓練得到最佳化參數，產生類神經網路的模型，將經過前處理的圖片辨識出是不是鳥類。
