神经网络及应用第二章人工神经网络基础ppt课件.ppt

《神经网络及应用第二章人工神经网络基础ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第2章人工神经网络基础生物神经网络基础人工神经元模型人工神经网络模型神经网络学习2.1生物神经网络基础2.1.1生物神经元的结构2.1生物神经网络基础神经元在结构上细胞体、树突、轴突和突触4部分组成1）细胞体（Cellbody）神经元的主体由细胞核、细胞质和细胞膜3部分构成细胞膜对细胞液中的不同离子具有不同的通透性，使得膜内外存在离子浓度差，从而出现内负外正的静息电位2.1生物神经网络基础2）树突（Dendrite）从细胞体向外延伸出许多突起的神经纤维，其中大部分突起较短，其分支多群集在细胞体附近形成灌木丛状，这些突起称为树突神经元靠树突接受来自其他神经元的输入信号，相当于细胞体的输入端3

2、）轴突（Axon）由细胞体伸出的最长的一条突起，细而长用来传出细胞体产生的输出电化学信号，相当于细胞体的输出端2.1生物神经网络基础4）突触（Synapse）神经元之间通过一个神经元的轴突末梢和其他神经元的细胞体或树突进行通信连接，这种连接相当于神经元之间的输入/输出接口，称为突触每个神经元大约有103~105个突触，多个神经元以突触连接即形成神经网络2.1生物神经网络基础2.1.2生物神经元的信息处理机理1）信息产生神经元的三种状态：无信号输入时：电位差：-70mV静息电位细胞膜状态极化状态（Polarization）神经元状态静息状态静息电位向正偏移细胞膜状态去极化（Depol

3、arization）神经元状态兴奋状态2.1生物神经网络基础静息电位向负偏移细胞膜状态超极化（Hyperpolarization）神经元状态抑制状态神经脉冲的产生过程膜电位超过阈值电位（-55mV），神经细胞活性细胞细胞的兴奋过程：膜电位自发地急速升高，在1ms内比静息膜电位上升100mV左右，此后膜电位又急速下降，回到静止的值，产生一个宽度为1ms，振幅为100mV的电脉冲，又称神经冲动之后慢慢下降到-55mV，这段时间约为数毫秒，称为不应期2.1生物神经网络基础2）信息的传递与接收神经脉冲信号沿轴突传向其末端的各个分支从脉冲信号到达突触前膜到突触后膜电位发生变化，有0.2ms~

4、1ms的时间延迟，称为突触延迟神经元间的突触联系大部分是在出生后由于给予刺激而成长起来的，正是由于各神经元之间的突触连接强度和极性有所不同并可进行调整，由此人脑才具有学习和存储信息的功能2.1生物神经网络基础3）信息整合单个神经元可以与上千个或更多其他的神经元轴突末梢形成突触连接，接受从各个轴突传来的脉冲输入这些输入可到达神经元的不同部位，输入部位不同，对神经元影响的权重也不同在同一时刻产生的刺激所引发的膜电位变化，大致等于各单独刺激引起的膜电位变化的代数和空间整合各输入脉冲抵达神经元的先后时间也不一样，由一个脉冲引起的突触厚膜电位很小，但在其持续时间内有另一脉冲相继到达时，总的突触后膜

5、电位增大时间整合2.1生物神经网络基础一个神经元接受的信息，在时间和空间上常呈现出一种复杂多变的形式，需要神经元对它们进行积累和整合加工，从而决定其输出的时机和强度。正是神经元这种整合作用，才使得亿万个神经元在神经系统中有条不紊、夜以继日地处理各种复杂的信息，执行着生物中枢神经系统的各种信息处理功能2.2人工神经元模型2.2.1神经元的建模人工神经网络中，神经元常被称为“处理单元”或“节点”。1943年心理学家McCulloch和数学家W.Pitts的M-P模型的6个假定：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；3）神经元具有空间

6、整合特性和阈值特性；4）神经元输入与输出间有固定的时滞，主要取决于突触延迟；5）忽略时间整合作用和不应期；6）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。2.2人工神经元模型x1xixn……oj神经元模型示意图w1jwijwnjΣf2.2人工神经元模型许多输入信号（xi）同时输入神经元j。对每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。组合输入信号的“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，即只有当其输入综合超过阈值时，神经元才被激活并发放脉冲，否则神经元不会产生输入信号。oj

7、表示神经元输出，而输出与输入之间的关系由函数f表示。2.2人工神经元模型2.2.2神经元的数学模型令xi(t)表示t时刻的神经元j接受的来自神经元的输入信息，oj(t)表示t时刻神经元j的输出信息，则神经元j的状态可以表示为2.2人工神经元模型简单起见，将突触时延取为单位时间“输入总和”常称为神经元在t时刻的净输入，用下式表示表现了神经元j的空间整合特性而未考虑时间整合当时，神经元才能被激活。oj(t+1)与xi(t)之