文档介绍：计算智能
1
2 人工神经网络基础
生物神经网
人工神经元
人工神经网络的拓扑特性
存储与映射
人工神经网络的训练
2
生物神经网
1、构成
胞体(Soma)
枝蔓(Dendrite)
胞体(Soma)
轴突(Axon)
突触(Synapse)
3
The Biological Neuron
10 billion neurons in human brain
Summation of input stimuli
Spatial (signals)
Temporal (pulses)
Threshold posed inputs
Constant firing strength
billion synapses in human brain
Chemical transmission and modulation of signals
Inhibitory synapses
Excitatory synapses
4
Neural Dynamics
Refractory time
Action potential
Action potential ≈ 100mV
Activation threshold ≈ 20-30mV
Rest potential ≈-65mV
Spike time ≈ 1-2ms
Refractory time ≈ 10-20ms
5
神经网络的复杂性
神经网路的复杂多样,不仅在于神经元和突触的数量大、组合方式复杂和联系广泛,还在于突触传递的机制复杂。现在已经发现和阐明的突触传递机制有:突触后兴奋,突触后抑制,突触前抑制,突触前兴奋,以及“远程”抑制等等。在突触传递机制中,释放神经递质是实现突触传递机能的中心环节,而不同的神经递质有着不同的作用性质和特点
6
神经网络的研究
神经系统活动,不论是感觉、运动,还是脑的高级功能(如学****记忆、情绪等)都有整体上的表现,面对这种表现的神经基础和机理的分析不可避免地会涉及各种层次。
这些不同层次的研究互相启示,互相推动。在低层次(细胞、分子水平)上的工作为较高层次的观察提供分析的基础,而较高层次的观察又有助于引导低层次工作的方向和体现其功能意义。
既有物理的、化学的、生理的、心理的分门别类研究,又有综合研究。
7
生物神经网
3、六个基本特征:
1)神经元及其联接;
2)神经元之间的联接强度决定信号传递的强弱;
3)神经元之间的联接强度是可以随训练改变的;
4)信号可以是起刺激作用的,也可以是起抑制作用的;
5)一个神经元接受的信号的累积效果决定该神经元的状态;
6) 每个神经元可以有一个“阈值”。
8
人工神经元
神经元(Neuron)是构成神经网络的最基本单元
(构件)。
人工神经元模型应该具有生物神经元的六个基本特性。
9
人工神经元的基本构成
人工神经元模拟生物神经元的一阶特性。
输入:X=(x1,x2,…,xn)
联接权:W=(w1,w2,…,wn)T
网络输入: net=∑xiwi
向量形式: net=XW
xn wn
∑
x1 w1
x2 w2
net=XW
…
10