人工(réngōng)神经元模型MP模型、感知器模型及其训练学习(xuéxí)算法第一页，共三十七页。树突（Dendrite）胞体(Soma)轴突（Axon）突触（Synapse）大脑皮层(dànǎo-pícéng)，每立方毫米中，神经元超过104个，连接长度超过几公里大脑神经元的工作(gōngzuò)原理第二页，共三十七页。二、人工神经网络的历史(lìshǐ)1943McCulloch和Pitts提出神经元的数学模型（MP模型）第三页，共三十七页。二、人工神经网络的历史(lìshǐ)•过渡期（1970’s）低潮中，许多学者深入研究ANN理论、模型(móxíng)。第四页，共三十七页。二、人工神经网络的历史(lìshǐ)•高潮（1980～）加州理工Hopfield提出结点全互联ANN问题1987.6ICNN（InternationalConferenceonNN）召开第五页，共三十七页。神经元建模的六点假定(jiǎdìng)神经元模型是在以下六条假设的基础上建立的：每个神经元都是一个多输入单输出的信息处理单元神经元输入分兴奋性输入和一致性输入两种类型神经元具有空间整合(zhěnɡhé)特性和阈值特性神经元输入与输出间有固定的时滞，主要取决于突触延搁忽略时间整合作用和不应期神经元本身是非时变的，即其突触时延和突触强度均为常数第六页，共三十七页。假设(jiǎshè)1：多输入单输出图(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(tóngshí)输入神经元j，神经元的单输出用oj表示。第七页，共三十七页。假设(jiǎshè)2：输入类型：兴奋性和抑制性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(yìzhì)，其大小则代表了突触的不同连接强度。第八页，共三十七页。假设3：空间整合特性(tèxìng)和阈值特性(tèxìng)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(zǒnghé)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。第九页，共三十七页。神经元的输出(shūchū)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(shūr...
