《 人工智能引论》课件 第8章人工神经网络与深度学习.pdf

第八章人工神经网络与深度学习

•8.1人工神经网络概述

•8.2感知机学习

•8.3反传学习

•8.4Hebbian一致性学习

•8.5深度神经网络

8.1人工神经网络概述

•人工神经网络（ArtificialNeuralNetwork,ANN）是从信息处理角度

对人脑神经元进行抽象，建立其行为机制模型，并按照不同的连接方

式组成不同的网络结构，进而模拟神经元网络动作行为的一门科学技

术。

•芬兰科学家T.Koholen的定义：“人工神经网络是由具有适应性的简

单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统

对真实世界物体所做出的交互反应。”

•人工神经网络是一种模仿人脑结构及其功能的智能信息处理系统。

8.1人工神经网络概述

生物神经元的结构

•构成神经系统的两大部分：神经元和胶质细胞

–神经元是神经系统的基本结构和功能单位，具有感受

刺激和传导兴奋的作用，负责接收外界刺激，并进行

信息的加工传递和处理

–胶质细胞负责协助神经元的活动

•提升神经细胞动作电位的传播速度

•为神经元提供营养并维持适宜的局部环境

8.1人工神经网络概述

生物神经元的结构

神经元之间的接口，实现信息传输

输出端

输入端神经元与其他细胞的区别

就是由细胞体和突起组成，

突起包括轴突和树突

人类大脑可视作为1000多亿神经元组成的神经网络

8.1人工神经网络概述

生物神经元的结构

•根据突触对下一个神经元的功能活动的影响，突触分为兴

奋性和抑制性两种

–兴奋性的突触可引起下一个神经元兴奋

–抑制性的突触使下一个神经元抑制

•神经元膜电位是它所有突触产生的电位总和，当该神经元

的膜电位升高到超过一个阈值时，会产生一个脉冲。

•人工神经元的设计灵感正是来源于这种生物学上神经元的

信息传递机制。

8.1人工神经网络概述

神经元数学模型

•人工神经元模型可看成是一个多输入单输出的非线性处理

单元。n

yfwx

ii

i1

x—神经元的输入；ω—突触

ii

权重；

θ—神经元的激活阈值

f()—神经元的激活函数

y—