M-P神经元模型（麦卡洛克-皮茨模型）

McCulloch 和 Pitts 的模型是1943年提出的一个简化的神经元模型，奠定了现代神经网络的基础。

如图是我们高中生物课程学习的神经元结构。

结构：

• 细胞体（Soma）：包含细胞核，负责维持神经元的基本生命活动。
• 树突（Dendrites）：负责接收来自其他神经元的信号。树突通常呈分支状，可以接收多个信号。
• 轴突（Axon）：负责将神经元的信号传递到其他神经元或目标细胞。轴突末端有突触，用于与其他神经元连接。

神经元传递信号的过程：

树突接收来自其他神经元释放的神经递质，结合在树突上的受体会引发电信号（动作电位）。当接收到的信号强度达到阈值时，动作电位沿着轴突传递至轴突末端，促使突触释放神经递质进入突触间隙。释放的神经递质再结合下一个神经元的受体，继续传递信号。

神经网络的结构和功能受到生物神经系统的启发，旨在模拟人脑处理信息的方式。

• 神经元的数学模型：

  • McCulloch 和 Pitts 将神经元视为一个逻辑单元，能够接收多个输入，并根据这些输入产生一个输出。每个输入可以视为一个二进制信号（0或1），表示激活或未激活状态。

• 加权输入：

  • 每个输入信号可以被赋予一个权重（尽管在最初的模型中，权重通常是相同的）。神经元会对接收到的所有输入信号进行加权求和。

• 阈值：

  • 神经元设定一个阈值，当加权输入的总和达到或超过这个阈值时，神经元会被激活，输出一个信号（通常为1）。如果总和低于阈值，则神经元不激活，输出为0。

• 逻辑功能：

  • 这个模型可以实现基本的逻辑运算，例如与（AND）、或（OR）和非（NOT）运算。多个神经元可以组合在一起形成更复杂的逻辑电路。

• 连接性：

  • McCulloch 和 Pitts 的模型强调神经元之间的连接性，通过连接不同的神经元，可以构建出复杂的网络，从而实现更高层次的计算和处理。

由多个 McCulloch 和 Pitts 的模型连接起来形成的网络可以被视为一个简单的神经网络，能够执行更复杂的逻辑运算和信息处理。