神经元的工作原理
大脑神经系统无论从构造和功能来讲,都称得上是一个非常复杂的巨系统。
2019年8月,谷歌与霍华德休斯医学研究所(HHMI)和剑桥大学合作,发布了一项最新深入研究果蝇大脑的研究成果——自动重建整个果蝇的大脑。果蝇的一个重要优势是它们的大小:果蝇的大脑相对较小,只有10万个神经元,相比之下,老鼠的大脑有1亿个神经元,人类的大脑有1000亿个神经元。研究人员称,由于成像的高分辨率,即使只有一立方毫米的脑组织,也可以产生超过1000TB 的数据。
神经元的结构
- 细胞体是神经元的主体,它包括细胞核、细胞质和细胞膜三部分
- 树突主要接受来自其他神经元的信号,是接受器
- 轴突用来输出细胞体产生的电脉冲信号,是发射器
- 轴突的末端形成许多分支,称作神经末梢,每条神经末梢与其他神经元通过突触相连并传递信号
-
髓鞘是包裹在神经细胞轴突外面的一层膜
神经元的工作过程
其他神经元的信号(输入信号)通过树突传递到细胞体(也就是神经元本体)中,细胞体把从其他多个神经元传递进来的输入信号进行合并加工,然后再通过轴突前端的突触传递给别的神经元。神经元就是这样借助突触结合而形成网络的。
如上图所示,神经元1的轴突传递了4个信号给神经元2,分别是输入1、输入2、输入3和输入4。而神经元2的输出信号(输出1和输出2)分别是神经元3的输入信号(输入1和输入2)。
如果输入信号之和超过神经元固有的边界值(阈值),细胞体就会做出反应,向与轴突连接的其他神经元传递信号,这称为点火。
点火时神经元输出的信号大小时固定的。即便从邻近的神经元接收到很大的刺激,或者轴突连接着多个神经元,这个神经元也只输出固定大小的信号。点火的输出信号是由"0" 或 "1"表示的数字信息:
- 无输出信号,
- 有输出信号,
神经元与数学的挂钩——M-P神经元模型
1943年, [McCulloch and Pitts, 1943] 将神经元的工作过程抽象为上图所示的简单模型,这就是一直沿用至今的 "M-P神经元模型" 。
在这个模型中,神经元接收到来自 m 个其他神经元传递过来的输入信号,这些输入信号通过带权重(weights)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" (activation function) 处理以产生神经元的输出。神经元在信号之和超过阈值时点火,不超过阈值时不点火。
所以点火的函数可以表示为:
其中,称为激活函数。理想中的激活函数是下图所示的阶跃函数,它将输入值映射为输出值 "0" 或 "1" ,显然,
- "1" 对应于神经元兴奋(点火成功)
- "0" 对应于神经元抑制(点火不成功)
然而,阶跃函数具有不连续、不光滑等不太好的性质,因此实际常用Sigmoid函数作为激活函数,我将在后面的章节中介绍Sigmoid函数。
下一章,我们将介绍神经网络的雏形——感知机
References:
知乎:谷歌自动重建了果蝇完整大脑:40 万亿像素图像首度公开!, 新智元