2014神经网络引论.pptVIP

人工神经网络理论及其应用 引论 一、生物神经网络 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。 生物神经元 生物神经网络 1、生物神经元的结构 2、 生物神经元的信息处理机理 3 、生物神经网络的特点 二、简单人工神经元模型 假设1：多输入单输出 假设2：输入类型：不同输入影响不同 生物神经元具有不同的突触性质和突触强度，其对输入的影响是使有些输入在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。图(b)中对神经元的每一个输入都有一个加权系数wij，称为权重值，其正负模拟了生物神经元中突触的兴奋和抑制，其大小则代表了突触的不同连接强度。 假设3：空间整合特性和阈值特性 作为ANN的基本处理单元，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，图(c)表示组合输人信号的“总和值”，相应于生物神经元的膜电位。神经元激活与否取决于某一阈值电平，即只有当其输入总和超过阈值时, 神经元才被激活而发放脉冲, 否则神经元不会产生输出信号。 神经元的输出 图(d) 人工神经元的输出也同生物神经元一样仅有一个，如用oj表示神经元输出，则输出与输入之间的对应关系可用图(d)中的某种非线性函数来表示，这种函数一般都是非线性的。 神经元模型示意图 新疆大学信息学院 * 新疆大学信息学院 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。 人工神经网络的生物学基础 人工神经网络的生物学基础 2、 生物神经元的信息处理机理 1）信息的产生 神经元间信息的产生、传递和处理是一种电化学活动。 神经元状态： 静息 兴奋 抑制 膜电位： 极 化 去极化 超极化 人工神经网络的生物学基础 人工神经网络的生物学基础 2）信息的整合 空间整合：同一时刻产生的刺激所引起的膜电位变化，大致等于各单独刺激引起的膜电位变化的代数和。并且，不同刺激对神经元的影响权重不同。 时间整合：各输入脉冲抵达神经元的时间先后不一样。总的突触后膜电位为一段时间内的累积。 人工神经网络的生物学基础 由多个生物神经元以确定方式和拓扑结构 相互连接即形成生物神经网络。 生物神经网络的功能不是单个神经元信息 处理功能的简单叠加。 神经元之间的突触连接方式和连接强度不 同并且具有可塑性，这使神经网络在宏观 呈现出千变万化的复杂的信息处理能力。 人工神经网络的生物学基础 (1) 每个神经元都是一个多输入单输出的信息处理单元； (2) 神经元输入分兴奋性输入和抑制性输入两种类型； 并且影响权重不同 (6) 神经元本身是非时变的，即其突触强度均为常数。 (3) 神经元具有空间整合特性和阈值特性； (4) 不考虑神经元输入与输出间的时滞； (5) 忽略时间整合作用和不应期； 1、模型的六点假设： 神经元的人工模型 图(a) 表明，正如生物神经元有许多激励输入一祥，人工神经元也应该有许多的输入信号，图中每个输入的大小用确定数值xi表示，它们同时输入神经元j，神经元的单输出用oj表示。 神经元的人工模型 神经元的人工模型 神经元的人工模型 神经元的人工模型 神经元的人工模型 2、神经元的数学模型 —— 神经元j的阈值； wij—— 神经元i到 j 的突触连接系数或称 权重值； f ()——神经元转移函数。 (2. 1) 神经元的人工模型 * *