MP模型和感知器PPT课件

-，1，1124014027旱獭，-，2，M-P模型，在目前人们提出的神经元模型中，最先提出的，影响最大的是1943年心理学家McCulloch和数学家W.Pitts为分析和总结神经元的基本特性而提出的M-P模型。通过指出神经元的定型数学描述和网络结构方法，证明单个神经元可以执行逻辑功能，开创了人工神经网络研究的时代。可以将MP模型的概念、神经元视为二进制元素来执行各种逻辑运算。这个逻辑神经元模型称为MP模型，是-3，m-p模型的6点特性神经元的信息处理机制，该模型在简化的基础上提出了以下6点。每个神经元有多输入单输出信息处理单元神经元输入分兴奋性输入和一致性输入两种类型的神经元有空间整合特性和阈值特性，神经元间连接方法有两种，兴奋性和抑制性突触。在这里，抑制性突触通过每个输入通过权重表示与神经元的结合程度，没有结合性，0突触连接中存在时间延迟，所以相应的延迟是基本时间单位，网络的活动过程可以离散。-，4，特性1:多输入单输出，图(a)表明，就像有很多生物神经元的这里输入一样，人工神经元也必须有很多输入信号。图中的每个输入大小用决定数字Xi表示，同时输入神经元j，神经元的单个输出用OJ表示。-，5，特性2:输入类型：兴奋性和抑制，生物神经元具有不同的突触特性和突触强度，对输入的影响使一些输入在神经细胞的脉冲输出过程中发挥更重要的作用。在图(b)中，神经元的每个输入都有权重系数wij，它模拟了在生物神经元中突触的兴奋和抑制，其大小表示突触的不同连接强度。-，6，特性3:空间集成特性和阈值特性，作为ANN的基本处理单元，需要集成所有输入信号以确定各种输入的总效果，图(c)表示组合块信号的“求和值”，对应于生物神经元的膜电位。神经元的激活与否仅在输入总和超过阈值时才被激活，并取决于发射脉冲的阈值级别。否则，神经元不会产生输出信号。-，7，MP模型神经元特性函数可以表示表：ET，I=0y=1ET，I00E00，-，8，MP模型的逻辑表示法，MP模型可以表示布尔逻辑关系(和或非)例如，逻辑和：设置T=2、I=0、e=x1x2w=x1为x1=1、x2=1、e=1=2、触发器y=1为x1=1、x2，-，9，逻辑或：T=1，I=0，E=x1 x2(输入两个兴奋性)x1=1，x2=1，e=1=1=2，触发器y=或者，您可以构建构成沸腾的所有复杂逻辑关系，因此MP模型以一定的方式构建具有逻辑功能的神经网络。 MP模型是最简单的网络，但是生物学上的神经元本质上是模拟过程，所以如果过早地将物理量抽象到0和1，就会丢失很多有用的信息，因此神经计算需要将模拟和数字技术相结合。从最简单的角度来看，仍然有很多基于成功的M-P神经元模型的神经网络，如可用于重要指导、MP模型应用、MP模型应用：分类、模式识别等的主要算法之一：BP算法。1957年，美国心理学家rankRosenblatt提出了一种神经网络，它有一个名为Perceptron的单层计算设备。拦截器是一种前馈网络，在同一层次中没有互连，在不同层次之间没有反馈，从子项传递到父项。输入和输出都是离散值，神经元加权输入，然后由阈值函数决定输出。单层感知器的结构和功能很简单，但它是其他网络的基础。在cender首次引入学习概念后，人类大脑具有的学习功能在一定程度上模拟了基于符号处理的数学模型，受到了广泛的关注。简单传感器模型实际上仍是m-p模型的结构，但是为了学习目的，使用监控学习逐步提高模式划分功能。-12，传感器功能，查看器是使用线性神经网络(也称为线性阈值因子)的简单非线性神经网络。接受基于实数的信号，并输出该值的离散量(0，1)。可用于模式分类。模式识别的简单问题：有些商人有储藏各种水果和蔬菜的仓库。把水果放进仓库时，各种水果可以相互混合，因此商人想拥有自动分类水果的机器。-，13，传感器网络培训方法，-，14，计算示例，-，15，首先以广义形式写，-，16，继续重复操作。即可从workspace页面中移除物件。即可从workspace页面中移除物件。-，17，传感器权重的修改完成后，连接权重向量将记住4个已知模式，此神经网络将识别4个模式。广义加权矢量=加权矢量=阈值=判别函数，-，18，传感器函数和限制与问题，-，19，解决方案：迭代运算的扩展和规范化，-，20，-，21，广义加权矢量=加权矢量=，即可从workspace页面中移除物件。即可从workspace页面中移除物件。即可从workspace页面中