过程神经元网络

生物神经元中突触的输出变化与输入脉冲的相对定时有关，即神经元的输出依赖于持续一段时间的输入过程。神经元的输出不仅与输入信号的空间聚合和激励阈值激励的作用有关，而且也依赖于输入过程中的时间累积效应。此外，在很多实际问题中，许多系统的输入也往往是一些过程或依赖于时间变化的函数。———时间累积效应
过程神经元模拟外界对某些生物神经系统的刺激可能持续一段时间，生物神经元根据所接受到的多个时变输入信号在时间延迟区间上的综合、协调与累积作用来进行信息处理的动力学原理进行工作。过程神经元的输入和连接权均可以是一个时间（过程）函数并在传统神经元空间聚合运算的基础上，增加了一个对于时间的累积聚合算子，使过程神经元的聚合运算和激励能同时反映时变输入信号的空间聚合作用和时间累积效应。即同时具有对时、空二维信息的处理能力。
过程神经元网络是由若干过程神经元和一般非时变神经元按照一定的拓扑结构组成的网络模型。可分为前馈型和反馈型两大类。
应用领域：非线性动态系统的仿真建模、非线性系统辨识、控制过程寻优、连续信号分类与聚类………

**

1.一种较为简单的过程神经元模型

1.1由时变过程（或函数）信号输入，空间加权聚合、时间效应累积和激励阈值激励输出等四部分运算组成。过程神经元的输入、连接权和激励阈值都可以是时变函数，且有一个对于时间效应的累积算子，使其聚合运算可同时表达输入信号的空间聚合作用和对时间效应的累积过程。
按照空间聚合与时间累积运算顺序的不同，可分为两类基本数学描述模型。
模型一
$y=f(\sum(\int(K(W(t),X(t))))-\theta)$
模型二
$y=f(\int(\sum(K(W(t),X(t))))-\theta)$
狭义过程神经元
广义过程神经元
**
泛函
模糊过程神经元
前馈过程神经元
过程神经网络的一种基本模型，是由若干过程神经元，包括作为其特例的传统非时变神经元按照一定的拓扑结构组成的一种信息前向传输的网络模型。
基于权函数基展开的过程神经元网络模型
对于连续系统，一般取积分运算作为时间的累积算子，构造一种权函数用基展开的过程神经元网络模型（网络权函数可以被一组已知基函数展开）。