C++ 人工智能算法系列一（神经网络算法基础知识）

神经网络是神经元的集合，而神经元在生物学角度看，具有如下行为:
 (1)能处于抑制或兴奋状态；
 (2)能产生爆发和平台两种情况；
 (3)能产生抑制后的反冲；
 (4)具有适应性。
且具有如下特性：
1． 神经元的兴奋与抑制
       一个神经元的兴奋和抑制两种状态是由细胞膜内外之间不同的电位差来表征的。
 在抑制状态，细胞膜内外之间有内负外正的电位差，这个电位差大约在-50—-100mv之间。
 在兴奋状态，则产生内正外负的相反电位差，这时表现为约60—100mv的电脉冲。
 细胞的兴奋电脉冲宽度一般大约为1ms。
2． 神经元的信息传递及阀值特性
       当神经元接受来自其它神经元的信息时，膜电位在开始时是按时间连续渐渐变化的。
 当膜电位变化经超出一个定值时，才产生突变上升的脉冲，这个脉冲接着沿轴突进行传递。
 神经元这种膜电位高达一定阀值才产生脉冲传送的特性称阀值特性。
 传递具单向性（即只能从前一级神经元的轴突末梢传向后一级神经元的树突或细胞体，不能反之。）
 与延时性（信息通过突触传递，通常会产生0.5—1ms的延时。）
3． 神经元的信息综合特性
      神经元对来自其它神经元的信息有时空综合特性。在神经网络结构上，大量不同的神经元的
 轴突末梢可以到达同一个神经元的树突并形成大量突触。来源不同的突触所释放的神经递质
 都可以对同一个神经元的膜电位变化产生作用。因此，在树突上，神经元可以对不同来源的
 输入信息进行综合。这就是神经元对信息的空间综