最近我阅读了一些关于神经网络的期刊和PDF文件，并且我特别关注了一篇关于“使用神经网络进行手写识别”的文章。此外，我还在学习反向传播。我的问题是“为什么作者建议读者在将手写输入神经网络之前使用Sobel算子作为预处理技术，而不是直接处理手写输入？”

回答：

手写是由笔画组成的，通常笔画内部填充的是纯色：基于这些假设，笔画可以通过其边缘很好地描述，而其颜色或背景颜色在描述笔画时并不那么有用。边缘基本上是由布尔值来描述的：当一个像素是边缘的一部分时，它是白色的，否则是黑色的。

Sobel滤波器的输出图像的灰度级与边缘的强度成正比，因此可以用来描述边缘，从而描述笔画，或者说，“捕捉”手写字母和数字的本质。

如果直接将手写字母或数字的原始图像输入网络，网络可能会学习到一些不太有用的特征，比如完整的灰度级，这些特征并不能很好地描述字母或数字。

一些作者声称Sobel滤波器以亮度不变的方式给出边缘，尽管我认为这并不完全正确。

出于好奇，作者建议读者使用Sobel滤波器的那篇论文是哪一篇？