文档介绍：神经网络
人工神经网络ANN(Artificia1 work)是由大量的简单处理单元经广泛并行互连形成的一种网络系统。它是对人脑系统的简化、抽象和模拟,具有人脑功能的许多基本特征。
在人工智能领域,人工神经网络已实际应用于模式识别、专家系统、机器学习等许多方面。
Ⅰ、生物神经元及脑神经的结构与特性
1、生物神经元的结构
一个细胞体(cell body或soma)
突(process)两部分组成
轴突(axon)
树突(dendrite)
轴突和树突共同作用,实现了神经元间的信息传递。
轴突的末端与树突进行信号传递的界面称为突触(synapse),通过突触向其它神经元发送信息。
2、生物神经元的功能与特性
生物神经元具有如下重要功能与特性:
(1)时空整合功能
(2)兴奋与抑制状态
(3)脉冲与电位转换
(4)神经纤维传导速率
(5)突触延时和不应期
3、人脑神经系统的功能与特性
生物神经元具有如下重要功能与特性:
(1) 记忆和存储功能
(2)高度并行性
(3)分布式功能
(4)容错功能
(5)联想功能
(6)自组织和自学习功能
Ⅱ、人工神经元及人工神经网络
1、人工神经元的结构
人工神经元是对生物神经元的抽象与模拟。所谓抽象是从数学角度而言的,所谓模拟是从其结构和功能角度而言的。
根据生物神经元的功能和结构,提出了一个将神经元看作二进制阈值元件的简单模型,即M-P模型。
M-P神经元模型
2、常用的人工神经元的结构
人工神经元是对生物神经元的抽象与模拟。所谓抽象是从数学角度而言的,所谓模拟是从其结构和功能角度而言的。
根据生物神经元的功能和结构,提出了一个将神经元看作二进制阈值元件的简单模型,即M-P模型。
功能函数f是表示神经元输入与输出之间关系的函数,根据功能函数的不同,可以得到不同的神经元模型。常用的神经元模型有以下几种。
(1)阈值型(Threshold)
这种模型的神经元没有内部状态,作用函数f是一个阶跃函数,它表示激活值σ和其输出f(σ)之间的关系,如图所示。
(2)分段线性强饱和型(Linear Saturation)
,一直延续到输出为最大值1为止。但当达到最大值后,输出就不再增大。如图所示。