人工智能神经网络基础
人工智能——神经网络基础
人工智能——神经网络基础
人类大脑神经元
人类大脑神经元：
神经元是大脑处理信息的基本单元人脑约由101l-1012个神经元组成，其中，每个神经元约与104-105个神经元通过突触联接，形成极为错纵复杂而且又灵活多变的神经网络
神经元以细胞体为主体，由许多向周围延伸的不规则树枝状纤维构成的神经细胞，其形状很像一棵枯树的枝干主要由细胞体、树突、轴突组成 。
生物神经元在结构上由四部分组成。用来完成神经元间信息的接收、传递和处理。
| 部分 | 说明 |
|---|---|
| 细胞体 | 我用滑稽代替了，本篇笔记没它的活 |
| 树突(Dendrite): | 接受输入信号 |
| 轴突(Axon)： | 传出信号 |
| 突触(Synapse)： | 输入输出接口 |
生物神经元传递信息的过程为多输入、单输出；
神经元各组成部分的功能来看，信息的处理与传递主要发生在突触附近；
当神经元细胞体通过轴突传到突触前膜的脉冲幅度达到一定强度，即超过其阈值电位后，突触前膜将向突触间隙释放神经传递的化学物质；
突触有两种类型，兴奋性突触和抑制性突触。前者产生正突触后电位，后者产生负突触后电位。
简单知道人脑神经元是怎么传递信息即可。
人工神经元
人工神经网络概念：
就是把一个描述生物 神经网络运行机理和工作过程的抽象和简化了的数学-物理模型 ，表达成为一个以其中的人工神经元为节点、以神经元之间的连接关系为路径权值的有向图，再用硬件或软件程序实现该有向图的运行，其稳态运行结果体现生物神经系统的某种特殊能力。
神经元及其突触是神经网络的基本器件。因此，人工神经元就是研究在计算机上再现人脑神经网络结构
从三个方面进行模拟:
1. 节点本身的信息处理能力(数学模型)
2. 节点与节点之间连接(拓扑结构)
3. 相互连接的强度(通过学习来调整)神经网络模型
- 神经元的激活规则：主要对神经元的输入到输出之间的映射关系，通常是 非线性函数 也被称作激活函数。
- 神经网络的拓扑结构：指神经元之间的关联，包括层数，链接方式，连接权值（神经网络中不断学习的调整参数）等。
- 参数的学习算法：通过训练数据不断训练调整神经网络中的各项参数
目前，神经网络模型的种类比较多，已有近40余种神经网络模型，其中典型的有BP网络、Hopfield网络、CMAC小脑模型、ART自适应共振理论和Blotzman机网络等。
根据神经元的拓扑结构形式不同，神经网络可分成以下两大类：
PS：后面是结构模型参考图，对于只需简单了解基础的小伙伴，
可以不用看下面了。层次型结构
单纯层次型结构
输出层到输入层有连接
层内有连接层次型结构
互连型网络结构
全互连型结构
局部互连型网络结构
前馈型网络
输入节点 :只负责从外界引入信息后向前传递给第一隐层； 具有处理能力的节点 :包括各隐层和输出层节点。
神经元分层排列，顺序连接。由输入层施加输入信息，通过中间各层，加权后传递到输出层后输出。每层的神经元只接受前一层神经元的输入，各神经元之间不存在反馈。。
反馈型网络
所有节点都具有信息处理功能，而且每个节点既可以从外界接收输入，同时又可以向外界输出。
记忆性网络
参考资料
- 《漫画人工智能》
- 《神经网络与深度学习应用实战》
- 百度百科
- 《机器学习》——TomM.Mitchell
- 360百科
- 《神经网络讲解与实例》