一、使用logistic回归来进行车辆的识别
给一张灰度值的照片（50*50=2500像素），则二次特征值将会有约300万个，此时若使用logistic回归进行预测，计算量会很大。
二、神经网络算法
神经网络算法的出现是为了模拟大脑，下图为单一神经元的示意：
激活函数=非线性函数g(z)
θ为模型的参数，有时也称为权重
神经网络就是一组神经元连接在一起的集合，如下图：
其中，
是第j层第i个神经元的激活项，激活项是指由一个具体神经元计算并输出的值
是指从j层到j+1层的权重控制矩阵
上图中有三个输入单元映射到三个隐藏单元的参数矩阵θ
一个简单的例子（逻辑与的计算）：
激活函数g(z)：
运算结果（当且仅当x_1和x_2都为1时，输出为1）：
略微复杂的例子（同或用神经网络进行表示）：
三、 神经网络的多元分类
识别图片中的行人、小汽车、摩托车、卡车，用四个四维向量来分别对应四种类别，[1 0 0 0]，[0 1 0 0]，[0 0 1 0]，[0 0 0 1]，表示为（x_(i)，y_(i)）,其中x_(i)为输入的图片，y_(i)为四维向量，我们要让输出值