【摘要】：神经元是大脑中的细胞，它的主要功能是收集、处理和分发电信号。大脑的信息处理能力被认为主要是从这种神经元构成的网络涌现出来的。由于这个原因，一些早期的人工智能工作致力于创造人工神经元网络。另一方面，人工智能以及统计学的研究人员开始对神经元网络中更抽象的属性感兴趣，比如它们执行分布式计算的能力、对有噪声输入的容忍能力以及学习能力等。图20.15 神经元的一个简单数学模型。
20.5 神经元网络
神经元是大脑中的细胞，它的主要功能是收集、处理和分发电信号。第 1.2.4 节中的图 1.2显示了一个典型神经元的示意图。大脑的信息处理能力被认为主要是从这种神经元构成的网络涌现出来的。由于这个原因，一些早期的人工智能工作致力于创造人工神经元网络。（这个领域的其它名称包括连接主义、并行分布处理，以及神经计算。）图20.15显示了McCulloch和Pitts （1943）设计的一个简单的神经元数学模型。粗略地说，当输入的线性组合超过一定阈值时，它会“激发”。从 1943 年开始，人们开发了许多更精细的和更实际的模型，用于模拟人脑中的神经元和更大的系统，直到现在的计算神经学领域。另一方面，人工智能以及统计学的研究人员开始对神经元网络中更抽象的属性感兴趣，比如它们执行分布式计算的能力、对有噪声输入的容忍能力以及学习能力等。尽管我们现在了解到其它种类的系统——包括贝叶斯网络——也有这样的特性，但神经元网络仍然是学习系统中一个最流行和有效的形式，而且它们自身也值得进行研究。
图20.15 神经元的一个简单数学模型。单元的输出激励是
，其中aj是单元j的输出激励， Wj, i是从单元j到该单元的边的权值
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
