1.前言
第一次接触神经网络时,感觉它太神奇,太有趣了,同时也勾起我对生物的一些情愫,高中那会酷爱生物,然而高考阴差阳错调剂到信息与计算科学,进而到计算机专业,基于那点对生物的情愫,我打算用生物的方法理解一下人工神经网络.
2. 神经元
首先,我们来学习一下生物中的神经元在受刺激的情况下如何进行反应.
当树突末端接收到刺激,当刺激突破一定的阈值,神经元开始兴奋,刺激开始以电信号-化学信号的形式开始传导。
3. 人工神经元
人工神经元正式仿照这种结构,下面开始介绍是如何仿照这种结构的
上图是一个简单的M-P模型,在这个模型中,神经元接收n个输入信号,这些输入信号通过带权的连接进行传递,接收的总输入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。
xi:表示第i个输入值.
wi:权重,用以表示第i个输入对神经元兴奋所作的贡献.
b:偏置.作用根据其值的正负,增加或降低激活函数的输出.
N:净输出.
f :激活函数:函数本身表示的是一种映射关系,而激活函数的作用是用来限制神经元的输出振幅。由于它将输出信号限制到一定范围的定值,从而又叫“压制函数”.
a: 输出值.