文档介绍：第四章神经网络基本理论
人工神经网络是一个由许多简单的并行工作的处理单元组成的系统,其功能取决于网络的结构、连接强度以及各单元的处理方式。
人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。
神经网络的基本原理
神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算系统,该系统是靠其状态对外部输入信息的动态响应来处理信息的。
神经网络的基本特征与功能
结构特征:
并行式处理
分布式存储
容错性
能力特征:
自学****br/>自组织
自适应性
非线性映射功能
1011个神经元,每个神经元与大约103~105个其它神经元相连接,构成一个极为庞大而复杂的网络,即生物神经网络。
神经元的生理结构
5
神经生理学和神经解剖学的研究结果表明,神经元(Neuron)是脑组织的基本单元,是人脑信息处理系统的最小单元。
1 神经元的生理结构
1生物神经元的结构
生物神经元在结构上由
细胞体(Cell body)
树突(Dendrite)
轴突(Axon)
突触(Synapse)
四部分组成。用来完成神经元间信息的接收、传递和处理。
人工神经元模型
人工神经元是对人或其它生物的神经元细胞的若干基本特性的抽象和模拟。
生物神经元模型
生物神经元主要由细胞体、树突和轴突组成,树突和轴突负责传入和传出信息,兴奋性的冲动沿树突抵达细胞体,在细胞膜上累积形成兴奋性电位;相反,抑制性冲动到达细胞膜则形成抑制性电位。两种电位进行累加,若代数和超过某个阈值,神经元将产生冲动。
人工神经元模型
模仿生物神经元产生冲动的过程,可以建立一个典型的人工神经元数学模型
[x1,…,xn]T为输入向量,y为输出,f(·)为激发函数,θ为阈值。 Wi为神经元与其它神经元的连接强度,也称权值。
神经元的数学模型
人工神经元模型
常用的激发函数f 的种类:
1)阈值型函数