神经元与网络结构.pptVIP

内容安排一、生物神经元二、人工神经网络结构三、神经网络基本学习算法一、生物神经元生物神经元突触信息处理信息传递功能与特点1.1生物神经元神经元是大脑处理信息的基本单元人脑大约由1011个神经元组成，神经元互相连接成神经网络神经元以细胞体为主体，由许多向周围延伸的不规则树枝状纤维构成的神经细胞，其形状很像一棵枯树的枝干主要由细胞体、树突、轴突和突触(Synapse，又称神经键)组成生物神经元示意图1.2突触的信息处理生物神经元传递信息的过程为多输入、单输出神经元各组成部分的功能来看，信息的处理与传递主要发生在突触附近当神经元细胞体通过轴突传到突触前膜的脉冲幅度达到一定强度，即超过其阈值电位后，突触前膜将向突触间隙释放神经传递的化学物质突触有两种类型，兴奋性突触和抑制性突触。前者产生正突触后电位，后者产生负突触后电位1.3信息传递功能与特点具有时空整合能力不可逆性，脉冲只从突触前传到突触后，不逆向传递神经纤维传导的速度，即脉冲沿神经纤维传递的速度，在1—150m／s之间信息传递时延和不应期，一般为0.3～lms可塑性，突触传递信息的强度是可变的，即具有学习功能存在学习、遗忘或疲劳（饱和）效应对应突触传递作用增强、减弱和饱和二、人工神经网络结构人工神经网络人工神经元模型常见响应函数人工神经网络典型结构2.1人工神经网络直观理解神经网络是一个并行和分布式的信息处理网络结构它一般由大量神经元组成每个神经元只有一个输出，可以连接到很多其他的神经元每个神经元输入有多个连接通道，每个连接通道对应于一个连接权系数通用模型求和操作响应函数2.2人工神经元模型2.2人工神经元模型响应函数的基本作用控制输入对输出的激活作用对输入、输出进行函数转换将可能无限域的输入变换成指定的有限范围内的输出(a)阈值单元(b)线性单元(c)(d)非线性单元：Sigmoid函数2.3常见神经元响应函数2.3常见神经元响应函数人工神经元的响应函数神经元的模型确定之后，一个神经网络的特性及能力主要取决于网络的拓扑结构及学习方法人工神经网络连接的几种基本形式前向网络(a)从输出到输入有反馈的前向网络(b)用来存储某种模式序列层内互连前向网络(c)限制层内同时动作的神经元；分组功能相互结合型网络(d)2.4人工神经网络典型结构神经网络的典型结构权值确定Hebb学习规则误差校正（纠错）学习规则相近（无教师）学习规则三、神经网络基本学习算法人工神经网络连接权的确定通常有两种方法根据具体要求，直接计算，如Hopfield网络作优化计算通过学习得到的。大多数人工神经网络都采用这种方法学习方法是人工神经网络研究中的核心问题3.1权值确定