文档介绍：人工神经网络
二〇一五年十二月
完整版课件
目 录
2
完整版课件
一、人工神经网络的 基本概念
3
完整版课件
一、人工神经网络的 基本概念
人工神经网络（Artificial Neural Network，即ANN）可以概括的定义为：
由大量具有适应性的处理元素（神经元）组成的广泛并行互联网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应，是模拟人工智能的一条重要途径。人工神经网络与人脑相似性主要表现在：
①神经网络获取的知识是从外界环境学****得来的；
②各神经元的连接权，即突触权值，用于储存获取的知识。
神经元是神经网络的基本处理单元，它是神经网络的设计基础。神经元是以生物的神经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了神经元数学模型。因此，要了解人工神经模型就必须先了解生物神经元模型。
4
完整版课件
最早的研究可以追溯到20世纪40年代。1943年，心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型。这一模型一般被简称M-P神经网络模型，至今仍在应用，可以说，人工神经网络的研究时代，就由此开始了。
1949年，心理学家Hebb提出神经系统的学****规则，为神经网络的学****算法奠定了基础。现在，这个规则被称为Hebb规则，许多人工神经网络的学****还遵循这一规则。
1957年，“感知器”(Perceptron)模型，第一次把神经网络的研究从纯理论的探讨付诸工程实践，掀起了人工神经网络研究的第一次高潮。
5
完整版课件
20世纪60年代以后，数字计算机的发展达到全盛时期，人们误以为数字计算机可以解决人工智能、专家系统、模式识别问题，而放松了对“感知器”的研究。于是，从20世纪60年代末期起，人工神经网络的研究进入了低潮。
1982年，美国加州工学院物理学家Hopfield提出了离散的神经网络模型，标志着神经网络的研究又进入了一个新高潮。1984年，Hopfield又提出连续神经网络模型，开拓了计算机应用神经网络的新途径。
1986年，Rumelhart和Meclelland提出多层网络的误差反传(back propagation)学****算法，简称BP算法。BP算法是目前最为重要、应用最广的人工神经网络算法之一。
6
完整版课件
生物神经元结构
（1）细胞体: 细胞核、细胞质和细胞膜。
（2）树突：胞体短而多分枝的突起。相当于神经元的输入端。
（3）轴突：胞体上最长枝的突起，也称神经纤维。端部有很多神经末稍传出神经冲动。
7
完整版课件
（4）突触：神经元间的连接接口，每个神经元约有1万～10万个突触。神经元通过其轴突的神经末稍，经突触与另一神经元的树突联接，实现信息的传递。由于突触的信息传递特性是可变的，形成了神经元间联接的柔性，称为结构的可塑性。
突触结构示意图
完整版课件
神经元的兴奋与抑制
当传入神经元冲动，经整和使细胞膜电位升高，超过动作电位的阈值时，为兴奋状态，产生神经冲动，由轴突经神经末稍传出。当传入神经元的冲动，经整和，使细胞膜电位降低，低于阈值时，为抑制状态，不产生神经冲动。
9
完整版课件
延时性传递
生物神经元的特点
单向性传递
阈值特性
生物神经元的特点：
完整版课件