ニューラルネットワークについて

Question

ゼロから作るDeep Learningを読んでいてどうしてもわからなかったので質問します。
なぜ2が書かれた画像を入力したら、2の値が1番高く出力されるのでしょうか（学習しているからという話ではなく、値の話で）。
なぜ2を2と認識できるか理解できません。
ピクセル的にそう判断しているのでしょうか。

Comments

[ppaul]

どの部分を知りたいのかが良くわかりませんでした。
人間の脳の視覚野が視神経からの情報を認識する方法のことですか。
学習結果の保存方法ですか。
それとも、学習済みのモデルを使った推論の詳細ですか。
それともそれ以外の何かですか。

[meg_]

> ゼロから作るDeep Learningを読んでいてどうしてもわからなかったので質問します。
どの部分のことでしょうか？

[quickquip]

どこまで読み進めてた状態なんでしょう? （という情報が明らかでないと回答側で書けることが定まらないと思います）

[tiitoi]

とりあえず最後のほうまで読んでから質問しましょう。
その質問に対する答えは書籍の中に書いてあります。

Answer 1

この本で利用しているMNISTの画像は28ピクセル×28ピクセルで構成されていますが、本の前半では、これを単に784個の数値として扱っています。画像かどうかは全く気にせず、単に数値として処理している形です。

（本の後半では、画像として扱うことで精度を上げる「畳み込み」の説明がでてきます。）

回答になっていますでしょうか。