Electronic Joint Business

Solution for E-Business

AI : 初学者的神经网络 (一)

本系列文章共有 3 个部分: 第一部分: 介绍感知网络 (Perceptron network) 即单层神经网络。 第二部分:介绍多层神经网络以及用反向传导训练法(back propogation 或 backword propogation) 来解决非线性分类问题, 如 XOR 逻辑门。这是感知网络不能解决的问题。 第三部分:介绍如何使用遗传算法(GA)来训练多层神经网络来解决一些逻辑问题 从生物学说起 大脑中的神经细胞称为神经元。人类的大脑中估计有 10^10 到 10^13 个神经元。每个神经元都可以与其他成千上万的神经元进行接触。神经元是大脑用来处理信息的单位。 神经元是什么样子的? 神经元的组成包括一个细胞体(soma)和不同种类的突起(neurite)。大部分的突起为树突(dendrite),其中有一个更长的突起(process) 称为轴突(axon)。图1-1 中的虚线标记的地方是轴丘(axon hillock), 信号的传输就从这里开始。1 神经元的边界称为细胞膜(membrane)。膜内外有电压差 (膜电位)。 如果输入足够大, 则会生成动作电位。动作电位 (神经元脉冲) 然后沿着轴突移动, 远离细胞体。 突触(Synapses) 神经元之间的相互连接称为突触。信息总是从一个神经元的轴突传导 (见上面的图1-1), 然后经过突触传递到接收神经元。 神经元的触发 一个神经元可被视为一种只有两种状态的细胞 — 兴奋和抑制。神经元的状态取决于从其它的神经细胞收到的输入信号量,及突触的强度(抑制性或兴奋性)。当信号量总和超过了某个阈值时,细胞体就会兴奋(也叫激活),产生电脉冲。电脉冲沿着轴突并通过突触传递到其它神经元。 脉冲(信号)十分重要,因为其他神经元会接收这些信号。神经元之间通过脉冲进行通信。而发送的信息就由这些脉冲进行编码。 神经元的输入 突触分兴奋性突触和抑制性突触两种。 兴奋性突触是指突触前神经元兴奋时,由突触小泡释放出具有兴奋作用的神经递质.如乙酰胆碱、去甲肾上腺素、5羟色胺。这些递质可使突触后神经元产生兴奋。抑制性突触是指突触前神经元兴奋时,由突触小泡联放出具有抑制作用的神经递质,如多巴胺、甘氨酸等。这些递质使突触后膜“超极化”,从而显示抑制性的效应。 突触小泡释放出来的递质是一种化学信号,递质通过突触前膜,然后与传到到后膜的接受器上,也就是说递质与受体结合,如果释放的递质能使突触后膜去极化(由原来的膜外电位为正、膜内电位为负的状态,反转为膜外电位为负、膜内电位为正),一定量的递质就可使突触后神经元去极化而兴奋,实现神经冲动的传导。反之,如果释放的递质不但不引起突触后膜的去极化,反而加强膜的极化。这种释放抑制性递质的突触就是抑制性突触。 通过这个复杂的电-化学过程,细胞体计算出众多兴奋性输入和抑制性输入的突触后电位在此发生总和,并且当达到阈电位时在此产生动作电位。大脑的所有神经网络中,每个神经元本身并不重要,重要的是神经元如何组成联接。不同神经元之间的突触有强有弱,其强度是可以通过学习(训练)来不断改变的,具有一定的可塑性。不同的联结形成了不同的记忆印痕。 人工神经网络如何工作 1943年,McCulloch 和 Pitts […]

Leave a Reply

Your email address will not be published. Required fields are marked *

Time limit is exhausted. Please reload CAPTCHA.