【摘要】：神经元不但是组成大脑的基本单元，而且也是大脑进行信息处理的基础元件。人们经过长期的研究总结出了神经元的几个重要特性，并据那些特性得到了如图7.1所示的生物神经元模型。图7.1神经元模型示意图神经元模型的数学表达式为式中，列向量X是输入向量，行向量Wj为单元j的连接权向量，Sj表示神经元的输入。
人的大脑由100亿～150亿个生物神经元构成，而其中的每一个神经元又与1万～10万个其他神经元相连接，如此构成了一个庞大的三维空间神经元网络（即神经网络）。神经元不但是组成大脑的基本单元，而且也是大脑进行信息处理的基础元件。所以，建立大脑的数学模型，必须从神经元入手。人们经过长期的研究总结出了神经元的几个重要特性，并据那些特性得到了如图7.1所示的生物神经元模型。图7.1中，f（˙）为非线性函数；x1，x2，…，xn为与神经元相关的n个输入信息；y1为输出结果；wj1，wj2，…，wjn为x1，x2，…，xn相应的权重系数；θj为输出阀值。
图7.1 神经元模型示意图
神经元模型的数学表达式为
式中，列向量X是输入向量，行向量Wj为单元j的连接权向量，Sj表示神经元的输入。如果将阈值θj也视为神经元的第0个输入，其数值x0=-1，wj0=θj，则式（7.2）还可以表示为
非线性函数f（˙）称为激活函数，其作用是模拟生物神经元所具有的非线性转移特性。常用的激活函数有以下几种类型，如图7.2所示。
1.阈值型函数(www.xing528.com)
2.线性函数
3.S型函数
S型函数通常是在（0，1）或（-1，1）内连续取值的单调可微函数，常用指数函数或双曲正切函数。
图7.2 神经网络激活函数图
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。
