生物学与神经网络的联系

目录

一、生物学

二、M-P神经元模型

三、联系

---

一、生物学

二、M-P神经元模型

 “M-P神经元模型”也称“阈值逻辑单元“，其中树突对应于输入部分x1,x2...xn，每个神经元收到n个其他神经元传递过来的输入信号，这些信号通过带权重的连接传递给细胞体，细胞体分为两部分，前一部分计算总输入值（即输入信号的加权和，或者说累积电平），后一部分先计算总输入值与该神经元阈值的差值，然后通过激活函数的处理，产生输出从轴突传送给其它神经元。 

三、联系

神经元模型最理想的激活函数是阶跃函数(sgn function)，即将神经元输入值与阈值的差值映射为输出值1或0，若差值大于零输出1，对应兴奋；若差值小于零则输出0，对应抑制。但阶跃函数不连续，不光滑，故在M-P神经元模型中，也采用Sigmoid函数来近似， Sigmoid函数将较大范围内变化的输入值挤压到 (0,1) 输出值范围内 

           

参考：Machine-learning-learning-notes/周志华《Machine Learning》学习笔记(6)--神经网络.md at master · Vay-keen/Machine-learning-learning-notes · GitHub