5.1神经元模型
本书采用目前使用得最广泛的一种对神经网络的定义,即“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作出的交互反应”
神经网络中最基本的成分是神经元模型,即上述定义中的简单单元。“M-P神经元模型”,神经元接收到来自其他n个神经元传递过来的信号,这些输入信号通过带权重的连接进行传递,神经元接收到的总输入值将与神经元的阈值进行比较,然后通过“激活函数”处理以产生神经元的输出。实际常用sigmoid函数作为激活函数,典型的sigmoid函数是对数几率函数。
把许多个这样的神经元按一定的层次结构连接起来,就得到了神经网络。可将神经网络视为包含了很多参数的数学模型,这个模型是若干个函数相互嵌套代入而得。
5.2感知机与多层网络
感知机由两层神经元组成,输入层接收外界输入信号后传递给输出层,输出层是M-P神经元,亦称“阈值逻辑单元”。 y = f ( ∑ i w i x i − θ ) y=f(\sum_iw_ix_i-\theta)