神經(jīng)元模型，6 人工神經(jīng)元模型是如何體現(xiàn)生物神經(jīng)元的結(jié)構(gòu)和信息處理機制的

來源：整理時間：2024-08-21 23:42:09 編輯：智能門戶手機版

1，6 人工神經(jīng)元模型是如何體現(xiàn)生物神經(jīng)元的結(jié)構(gòu)和信息處理機制的

神經(jīng)元: 神經(jīng)元即神經(jīng)細胞,是高度分化的細胞.具有感受刺激\傳導(dǎo)沖動和整合信息的功能,是神經(jīng)系統(tǒng)形態(tài)結(jié)構(gòu)與功能的基本單位. 2,神經(jīng)元的形態(tài)結(jié)構(gòu): 神經(jīng)元是由細胞體和突起兩部分組成. 3,神經(jīng)元的分類:(1)按神經(jīng)元突起數(shù)目分類:單極神經(jīng)元,雙極神經(jīng)元,多極神經(jīng)元 (2)按神經(jīng)元功能分類:感覺神經(jīng)元(傳入神經(jīng)元),運動神經(jīng)元(傳出神經(jīng)元),聯(lián)絡(luò)神經(jīng)元(中間神經(jīng)元). ( 二 ) 神經(jīng)纖維:神經(jīng)纖維是由運動神經(jīng)的軸突或感覺神經(jīng)元的長樹突(兩者統(tǒng)稱為軸素)與包在它外表的神經(jīng)膠質(zhì)細胞構(gòu)成的. 神經(jīng)纖維分有髓神經(jīng)纖維和無髓神經(jīng)纖維.

6 人工神經(jīng)元模型是如何體現(xiàn)生物神經(jīng)元的結(jié)構(gòu)和信息處理機制的

2，我想做個神經(jīng)元模型交作業(yè)盡量簡單點的在家里做的材料不要太

材料：厚白紙、彩色鉛筆、較細的藍色電線和較粗的紅色電線（PS：絕緣皮內(nèi)銅絲要求是分股的）、剪子、膠帶。制作步驟： ①在厚白紙上用彩色鉛筆畫出神經(jīng)元的細胞體，直徑約為15-20厘米，然后用剪子把畫好的細胞體剪下。②用幾根10厘米長的藍色電線連接在細胞體的邊緣，把每根電線外端的絕緣皮去掉1厘米，露出一根細銅絲。 ③用1根50厘米左右的紅色電線連接在細胞體的邊緣，把電線的另一端的絕緣皮去掉1厘米，露出一根細銅絲。要想展示效果好些的話，盡量用硬些的紙

你好！那你就做吧，有什么需要就問。如果對你有幫助，望采納。

用橡皮泥、鐵絲等就可以啊

我想做個神經(jīng)元模型交作業(yè)盡量簡單點的在家里做的材料不要太

3，什么是人工神經(jīng)元算法

人工神經(jīng)網(wǎng)絡(luò)算法 “人工神經(jīng)網(wǎng)絡(luò)”(ARTIFICIAL NEURAL NETWORK，簡稱ANN)是在對人腦組織結(jié)構(gòu)和運行機制的認識理解基礎(chǔ)之上模擬其結(jié)構(gòu)和智能行為的一種工程系統(tǒng)。早在本世紀40年代初期，心理學(xué)家McCulloch、數(shù)學(xué)家Pitts就提出了人工神經(jīng)網(wǎng)絡(luò)的第一個數(shù)學(xué)模型，從此開創(chuàng)了神經(jīng)科學(xué)理論的研究時代。其后，F(xiàn) Rosenblatt、Widrow和J. J .Hopfield等學(xué)者又先后提出了感知模型，使得人工神經(jīng)網(wǎng)絡(luò)技術(shù)得以蓬勃發(fā)展。神經(jīng)系統(tǒng)的基本構(gòu)造是神經(jīng)元(神經(jīng)細胞)，它是處理人體內(nèi)各部分之間相互信息傳遞的基本單元。據(jù)神經(jīng)生物學(xué)家研究的結(jié)果表明，人的一個大腦一般有1010～1011個神經(jīng)元。每個神經(jīng)元都由一個細胞體，一個連接其他神經(jīng)元的軸突和一些向外伸出的其它較短分支——樹突組成。軸突的功能是將本神經(jīng)元的輸出信號(興奮)傳遞給別的神經(jīng)元。其末端的許多神經(jīng)末梢使得興奮可以同時傳送給多個神經(jīng)元。樹突的功能是接受來自其它神經(jīng)元的興奮。神經(jīng)元細胞體將接受到的所有信號進行簡單處理(如：加權(quán)求和，即對所有的輸入信號都加以考慮且對每個信號的重視程度——體現(xiàn)在權(quán)值上——有所不同)后由軸突輸出。神經(jīng)元的樹突與另外的神經(jīng)元的神經(jīng)末梢相連的部分稱為突觸。

什么是人工神經(jīng)元算法

4，神經(jīng)網(wǎng)絡(luò)模型的介紹

神經(jīng)網(wǎng)絡(luò)（Neural Networks,NN）是由大量的、簡單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是一個高度復(fù)雜的非線性動力學(xué)習(xí)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲和處理、自組織、自適應(yīng)和自學(xué)能力，特別適合處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題。神經(jīng)網(wǎng)絡(luò)的發(fā)展與神經(jīng)科學(xué)、數(shù)理科學(xué)、認知科學(xué)、計算機科學(xué)、人工智能、信息科學(xué)、控制論、機器人學(xué)、微電子學(xué)、心理學(xué)、光計算、分子生物學(xué)等有關(guān)，是一門新興的邊緣交叉學(xué)科。神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)在于神經(jīng)元。神經(jīng)元是以生物神經(jīng)系統(tǒng)的神經(jīng)細胞為基礎(chǔ)的生物模型。在人們對生物神經(jīng)系統(tǒng)進行研究，以探討人工智能的機制時，把神經(jīng)元數(shù)學(xué)化，從而產(chǎn)生了神經(jīng)元數(shù)學(xué)模型。大量的形式相同的神經(jīng)元連結(jié)在—起就組成了神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一個高度非線性動力學(xué)系統(tǒng)。雖然，每個神經(jīng)元的結(jié)構(gòu)和功能都不復(fù)雜，但是神經(jīng)網(wǎng)絡(luò)的動態(tài)行為則是十分復(fù)雜的；因此，用神經(jīng)網(wǎng)絡(luò)可以表達實際物理世界的各種現(xiàn)象。神經(jīng)網(wǎng)絡(luò)模型是以神經(jīng)元的數(shù)學(xué)模型為基礎(chǔ)來描述的。人工神經(jīng)網(wǎng)絡(luò)(ArtificialNuearlNewtokr)s,是對人類大腦系統(tǒng)的一階特性的一種描。簡單地講,它是一個數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)模型由網(wǎng)絡(luò)拓撲．節(jié)點特點和學(xué)習(xí)規(guī)則來表示。神經(jīng)網(wǎng)絡(luò)對人們的巨大吸引力主要在下列幾點：1．并行分布處理。2．高度魯棒性和容錯能力。3．分布存儲及學(xué)習(xí)能力。4．能充分逼近復(fù)雜的非線性關(guān)系。在控制領(lǐng)域的研究課題中，不確定性系統(tǒng)的控制問題長期以來都是控制理論研究的中心主題之一，但是這個問題一直沒有得到有效的解決。利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，使它在對不確定性系統(tǒng)的控制過程中自動學(xué)習(xí)系統(tǒng)的特性，從而自動適應(yīng)系統(tǒng)隨時間的特性變異，以求達到對系統(tǒng)的最優(yōu)控制；顯然這是一種十分振奮人心的意向和方法。人工神經(jīng)網(wǎng)絡(luò)的模型現(xiàn)在有數(shù)十種之多，應(yīng)用較多的典型的神經(jīng)網(wǎng)絡(luò)模型包括BP神經(jīng)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)、ART網(wǎng)絡(luò)和Kohonen網(wǎng)絡(luò)。學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)一種最重要也最令人注目的特點。在神經(jīng)網(wǎng)絡(luò)的發(fā)展進程中,學(xué)習(xí)算法的研究有著十分重要的地位。目前,人們所提出的神經(jīng)網(wǎng)絡(luò)模型都是和學(xué)習(xí)算法相應(yīng)的。所以,有時人們并不去祈求對模型和算法進行嚴格的定義或區(qū)分。有的模型可以有多種算法。而有的算法可能可用于多種模型。在神經(jīng)網(wǎng)絡(luò)中,對外部環(huán)境提供的模式樣本進行學(xué)習(xí)訓(xùn)練,并能存儲這種模式,則稱為感知器;對外部環(huán)境有適應(yīng)能力,能自動提取外部環(huán)境變化特征,則稱為認知器。神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)中,一般分為有教師和無教師學(xué)習(xí)兩種。感知器采用有教師信號進行學(xué)習(xí),而認知器則采用無教師信號學(xué)習(xí)的。在主要神經(jīng)網(wǎng)絡(luò)如Bp網(wǎng)絡(luò),Hopfield網(wǎng)絡(luò),ART絡(luò)和Kohonen網(wǎng)絡(luò)中;Bp網(wǎng)絡(luò)和Hopfield網(wǎng)絡(luò)是需要教師信號才能進行學(xué)習(xí)的;而ART網(wǎng)絡(luò)和Khonone網(wǎng)絡(luò)則無需教師信號就可以學(xué)習(xí)49[]。所謂教師信號,就是在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中由外部提供的模式樣本信號。

5，如何用matlab構(gòu)建一個三層bp神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測溫度

第0節(jié)、引例本文以Fisher的Iris數(shù)據(jù)集作為神經(jīng)網(wǎng)絡(luò)程序的測試數(shù)據(jù)集。Iris數(shù)據(jù)集可以在http://en.wikipedia.org/wiki/Iris_flower_data_set 找到。這里簡要介紹一下Iris數(shù)據(jù)集：有一批Iris花，已知這批Iris花可分為3個品種，現(xiàn)需要對其進行分類。不同品種的Iris花的花萼長度、花萼寬度、花瓣長度、花瓣寬度會有差異。我們現(xiàn)有一批已知品種的Iris花的花萼長度、花萼寬度、花瓣長度、花瓣寬度的數(shù)據(jù)。　　一種解決方法是用已有的數(shù)據(jù)訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)用作分類器?！　∪绻阒幌胗肅#或Matlab快速實現(xiàn)神經(jīng)網(wǎng)絡(luò)來解決你手頭上的問題，或者已經(jīng)了解神經(jīng)網(wǎng)絡(luò)基本原理，請直接跳到第二節(jié)——神經(jīng)網(wǎng)絡(luò)實現(xiàn)。第一節(jié)、神經(jīng)網(wǎng)絡(luò)基本原理 1. 人工神經(jīng)元( Artificial Neuron )模型人工神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本元素，其原理可以用下圖表示：圖1. 人工神經(jīng)元模型圖中x1~xn是從其他神經(jīng)元傳來的輸入信號，wij表示表示從神經(jīng)元j到神經(jīng)元i的連接權(quán)值，θ表示一個閾值 ( threshold )，或稱為偏置( bias )。則神經(jīng)元i的輸出與輸入的關(guān)系表示為：　　圖中 yi表示神經(jīng)元i的輸出，函數(shù)f稱為激活函數(shù) ( Activation Function )或轉(zhuǎn)移函數(shù) ( Transfer Function ) ，net稱為凈激活(net activation)。若將閾值看成是神經(jīng)元i的一個輸入x0的權(quán)重wi0，則上面的式子可以簡化為：　　若用X表示輸入向量，用W表示權(quán)重向量，即：X = [ x0 , x1 , x2 , ....... , xn ]　　則神經(jīng)元的輸出可以表示為向量相乘的形式：若神經(jīng)元的凈激活net為正，稱該神經(jīng)元處于激活狀態(tài)或興奮狀態(tài)(fire)，若凈激活net為負，則稱神經(jīng)元處于抑制狀態(tài)。圖1中的這種“閾值加權(quán)和”的神經(jīng)元模型稱為M-P模型 ( McCulloch-Pitts Model )，也稱為神經(jīng)網(wǎng)絡(luò)的一個處理單元( PE, Processing Element )。2. 常用激活函數(shù) 激活函數(shù)的選擇是構(gòu)建神經(jīng)網(wǎng)絡(luò)過程中的重要環(huán)節(jié)，下面簡要介紹常用的激活函數(shù)。(1) 線性函數(shù) ( Liner Function )(2) 斜面函數(shù) ( Ramp Function )(3) 閾值函數(shù) ( Threshold Function )以上3個激活函數(shù)都屬于線性函數(shù)，下面介紹兩個常用的非線性激活函數(shù)。(4) S形函數(shù) ( Sigmoid Function )　　該函數(shù)的導(dǎo)函數(shù)：(5) 雙極S形函數(shù) 　　該函數(shù)的導(dǎo)函數(shù)：　　S形函數(shù)與雙極S形函數(shù)的圖像如下：圖3. S形函數(shù)與雙極S形函數(shù)圖像　　雙極S形函數(shù)與S形函數(shù)主要區(qū)別在于函數(shù)的值域，雙極S形函數(shù)值域是(-1,1)，而S形函數(shù)值域是(0,1)?！　∮捎赟形函數(shù)與雙極S形函數(shù)都是可導(dǎo)的(導(dǎo)函數(shù)是連續(xù)函數(shù))，因此適合用在BP神經(jīng)網(wǎng)絡(luò)中。（BP算法要求激活函數(shù)可導(dǎo)）具體http://blog.csdn.net/gongxq0124/article/details/7681000/

6，什么是神經(jīng)動力學(xué)

第一屆國際認知神經(jīng)動力學(xué)學(xué)術(shù)會議07年11月在上海舉行。認知神經(jīng)動力學(xué)將認知科學(xué)與非線性動力學(xué)融為一體，屬于當(dāng)前的前沿科學(xué)。來自全球近30個國家和地區(qū)的200余名代表出席了會議，其中包括國際神經(jīng)動力學(xué)創(chuàng)始人之一弗里曼教授、“同步震蕩”理論的提出者馮·德·馬爾斯伯格教授、國際神經(jīng)網(wǎng)絡(luò)聯(lián)合會主席王德亮教授和中國科學(xué)院院士郭愛克等國際一流專家，共遞交學(xué)術(shù)論文217篇。在為期4天的專場報告中，與會專家熱烈討論了精神病模型、認知機器、神經(jīng)信息學(xué)、感覺和運動動力學(xué)等理論與實踐相結(jié)合的話題。細胞神經(jīng)網(wǎng)絡(luò)動力學(xué)是神經(jīng)網(wǎng)絡(luò)與動力系統(tǒng)交叉結(jié)合的一門新型學(xué)科。人們一開始以為這些所謂的“單元”是以能量波的形式沿著軸突以有限的速度傳播，但是由于不滿足守恒定律，上述概念就為動作電位是信息單元的思想所取代，也就是說，動作電位是二進制數(shù)字。這一推論并不正確，因為動作電位序列是某種通過脈沖頻率調(diào)制進行能量傳播的方式。雖然這種新的想法在腦科學(xué)中是不對的，卻導(dǎo)致產(chǎn)生了神經(jīng)網(wǎng)絡(luò)和數(shù)字計算機。這些裝置已經(jīng)為信息時代的國際社會提供了技術(shù)基礎(chǔ)，這說明一種理論要有成果并不一定非要正確不可。目前和細胞神經(jīng)生物學(xué)同樣的一股浪潮正在涌人分子神經(jīng)生物學(xué)，分子神經(jīng)生物學(xué)認為DNA分予是由四種核苷酸編碼而成的一串信息單位?，F(xiàn)在神經(jīng)物理學(xué)家和神經(jīng)遺傳學(xué)家正致力于解釋觸發(fā)動作電位的量子機制，以及微觀神經(jīng)元通過釋放量子分額的神經(jīng)遞質(zhì)化合物影響網(wǎng)絡(luò)中神經(jīng)元之間通訊的方式。某些大膽的科學(xué)家甚至提議把意識解釋為腦中量子相干的突現(xiàn)性質(zhì)。

內(nèi)容提要：神經(jīng)網(wǎng)絡(luò)動力學(xué)是神經(jīng)網(wǎng)絡(luò)與動力學(xué)系統(tǒng)交叉結(jié)合的學(xué)科。本書著重闡述神經(jīng)網(wǎng)絡(luò)動力學(xué)模型的建立和各類模型研究的問題與方法。書中還介紹了神經(jīng)動力學(xué)的生物背景與相關(guān)的動力系統(tǒng)理論的基礎(chǔ)，并且給出了國內(nèi)外一些應(yīng)用的成果介紹。讀者對象為大專院校理工科各專業(yè)的大學(xué)生、研究生、教師及有關(guān)的科技工作者。目錄：第一章神經(jīng)元的神經(jīng)生物學(xué)背景 1．1 神經(jīng)元的結(jié)構(gòu) 1．2 神經(jīng)元的功能特征 1．3 人工神經(jīng)網(wǎng)絡(luò)和現(xiàn)實性神經(jīng)網(wǎng)絡(luò) 參考文獻第二章非線性動力學(xué)模型與問題，分析與方法 2．1 非線性動力學(xué)模型與問題 2．2 非線性動力學(xué)分析與方法參考文獻第三章神經(jīng)網(wǎng)絡(luò)中的非線性動力學(xué)問題及分析 3．1 神經(jīng)網(wǎng)絡(luò)與動力系統(tǒng) 3．2 單個神經(jīng)元的動力學(xué)模型與問題 3．3 離散的單層反饋型神經(jīng)網(wǎng)絡(luò)的動力學(xué)模型與問題 3．4 連續(xù)的反饋型神經(jīng)網(wǎng)絡(luò)動力學(xué)模型與問題 3．5 BSB模型、BP模型和環(huán)路BP模型及其它一些離散網(wǎng)絡(luò)模型的動力學(xué)行為 3．6 由H-H方程及Chay方程描述的神經(jīng)活動中的各類動力學(xué)行為 3．7 嗅覺神經(jīng)網(wǎng)絡(luò) 3．8 生物神經(jīng)網(wǎng)絡(luò)中的同步振蕩 3．9 動態(tài)神經(jīng)元網(wǎng)絡(luò)的混沌動力學(xué)性質(zhì) 前言：神經(jīng)網(wǎng)絡(luò)在最近20年中得到了迅速的發(fā)展，有關(guān)的論文及著作已有許多．本書并不想全面介紹神經(jīng)網(wǎng)絡(luò)，而只是想對神經(jīng)網(wǎng)絡(luò)與數(shù)學(xué)中動力學(xué)系統(tǒng)理論的交叉結(jié)合介紹一些我們在學(xué)習(xí)與研究中的體會．我們力圖在以下幾個方面作一些嘗試：(1)將人工神經(jīng)網(wǎng)絡(luò)模型與生物神經(jīng)網(wǎng)絡(luò)模型用動力學(xué)觀點統(tǒng)一起來，突出神經(jīng)動力學(xué)的思想；(2)把吸引子(包括收斂的、振蕩的、混沌的三種類型)的研究貫穿在神經(jīng)網(wǎng)絡(luò)的理論與應(yīng)用的整個過程之中；(3)使應(yīng)用數(shù)學(xué)工作者，通過本書可以了解動力系統(tǒng)中吸引子分析在神經(jīng)網(wǎng)絡(luò)研究中的對應(yīng)問題與應(yīng)用，而使從事生物、計算機、信息等學(xué)科研究的工作者，通過本書可以了解神經(jīng)網(wǎng)絡(luò)..

細胞神經(jīng)網(wǎng)絡(luò)動力學(xué)是神經(jīng)網(wǎng)絡(luò)與動力系統(tǒng)交叉結(jié)合的一門再看看別人怎么說的。

細胞神經(jīng)網(wǎng)絡(luò)動力學(xué)是神經(jīng)網(wǎng)絡(luò)與動力系統(tǒng)交叉結(jié)合的一門新型學(xué)科。