而连接主义，其原理是模仿生物大脑的神经网络。
最开始，初见成效的神经网络模型，是对图像的处理。
也就是，机器识别图像。
这一点是怎样做到的呢？
信息中心整理的文件中，详细解释。
机器将图像扫描，分割成均匀的不同颜色的网格，也就是像素块。
假如在一张白纸用黑色墨水笔写上数字8，在像素化的网格中，颜色较深的黑色网格，就是数字8的组成部分。
机器给每一个网格进行编号，列出一个数列。
不同像素方格的颜色不同，取不同的灰度值，赋予数列。
灰度值，0-255，0表示黑色，255表示白色。
那么白色纸张上的数字8，就被拆分成数字接近于0的数列，在经过算法计算，输出一个答案。
其实，以上的判断方法，和人类判断数字8的流程基本一致。
当人眼看到白纸上的数字8，光线通过眼球结构，投影到视网膜。
视网膜上的光敏细胞将整理成‘数列’的数据传给大脑，大脑分析计算，得出结果。
这一整个流程分为输入，计算和输出。
计算的过程越复杂，得出的结果越精准。
人类大脑的计算过程极其复杂，输入到输出，经历无数的神经细胞。
计算过程中，确定由两个黑圈，并上下连接组合的图形大概是数字8
上面不封闭的是6，下面不封闭的是9
计算机计算过程分很多层。
第一层，确定图中是否存在两个圈。
下一层，两个圈是否连接。
再下一层，有没有可能它是个6？
继续往下，是不是9？
是否为上下结构，有没有可能是个无限符号？
如此一层层计算下去，最终得出结果。
这就是计算机图形分析的原理。
但如果遇到极为复杂的图形，比如一张人流如织的街道，计算机需要判断街道、路灯、斑马线，那些立着的形状是人还是垃圾桶。
经过一系列计算，最后得出有人闯红灯