人工神经网络模型及其性能

Posted 2021-04-07 l靝l

人工神经网络是在现代神经生物学研究基础上提出的模拟生物过程,反映人脑某些特性的一种计算结构。模拟生物神经网络应首先模拟生物神经元.在人工神经网络中，神经元常被称为“处理单元”、“节点”。人工神经元是对生物神经元的一种形式化描述、对生物神经元的结构和功能进行模拟,它对生物神经元的信息处理过程进行抽象,用数学语言予以描述，并用模型图予以表达。

心理学家McCulloch和数学家W.Pitts提出的M-P模型,经过不断完善发展至今.

其所描述的神经元有如下特点:a每一个神经元都是一个多输入单输出的信息处理单元b输入只有兴奋性输入和抑制性输入两种c神经元具有空间整合和阈值特性d有时延,主要由于突触产生(发现没,神经元处理起来几乎不占用时间的噻,而且这几毫米的误差都是突触间传导产生?!)e忽略整合作用和不应期f神经元本身是非时变的(不随时间变化),即其突触时延和突触强度为常数.

x表示激励输入

w表示加权系数(代表突触强度,正负代表兴奋还是抑制.生物神经元具有不同的突触性质和突触强度,这样某些输入神经元产生脉冲输出过程中所起的作用比另外一些输入更为重要,假如你的某个求生信号有51%的权重,那他就有一票否决权,在危难时刻抛弃杂念救你一命.)

∑代表求和 因为神经元有整合作用嘛 必须对全部输入信号进行整合,以确定各类输入的作用总效果.

f神经元激活与否取决于阈值电平,只有超过阈值时才会产生输出信号.

用数学表达式就是