图8利用神经元构造存储元件-read.pptVIP

79 第一篇 人工神经网络 第二章 人工神经网络的基本模型 2.1????生物神经元 2.2??? 人工神经元的形式化模型 2.3????电子神经元 2.4????人工神经网络模型 2.5????人工神经网络的学习规则 2.6????人工神经网络与传统计算机的比较 2.7 人工神经网络的发展方向与研究问题 2.1 生 物 神 经 元 2.1.1 神经元的结构 2.1.2 膜电位与神经元的兴奋 2.1.1 神经元的结构 本体：细胞体（细胞膜、质、核），对输入信号进行处理，相当于CPU。 树突：本体向外伸出的分支，多根，长1mm左右，本体的输入端。 轴突：本体向外伸出的最长的分支，即神经纤维，一根，长1cm—1m左右，通过轴突上的神经末梢将信号传给其它神经元，相当于本体的输出端。 突触：各神经元之间轴突和树突之间的接口，即神经末梢与树突相接触的交界面，每个细胞体大约有103—104个突触。突触有兴奋型和抑制型两种。 图 2. 1 神 经 元 结 构 2.1.2 膜电位与神经元的兴奋 膜电位：细胞膜将细胞分为内外两部分，当外部电位为0时，称内部电位为膜电位。 静止膜电位：当没有输入信号时的膜电位成为静止膜电位，通常为-70mv左右。 兴奋状态：当外部有输入信号时，将使膜电位发生变化，倘若使膜电位升高，比静止膜电位高15mv以上，即超过-55mv（阈值），神经元被激活，内部电位急剧上升至100mv左右，并维持约1ms，然后急剧下降。相当输出一个100mv高1ms宽的脉冲，并沿轴突以100m/s的速度传至其它的神经元。 抑制状态：当外部输入信号使膜电位下降低于阈值电位时，神经元处于抑制状态，无脉冲输出。 “兴奋─抑制”状态满足“0─1”律 A/D转换：电脉冲到达各突触接口后，放出某种化学物质，该物质作用于各个和其相连的神经元的细胞膜，并使其膜电位发生变化，完成了将离散的脉冲信号转换为连续变化的电位信号。 不应期：神经元输出一个脉冲后，一段时间内对激励不响应，称之为不应期，一般为几ms。 时间加算功能：对于不同时间通过同一突触传入的信号具有时间的加算功能。 空间加算功能：对于同一时间通过不同突触的输入信号具有空间加算功能。 2.2 人 工 神 经 元 的 形 式 化 模 型 2.2.1 M-P 模型 2.2.2 线性加权模型 2.2.3 阈值逻辑模型 2.2.1 M-P 模型 图 2.2 M-P 模 型 输入条件 输出 2.2.2 线性加权模型 图2.3 线性加权模型 输入条件 输出 2.2.3 阈值逻辑模型 图2.4 阈值逻辑模型 其中：Ii?{-1,+1}，Y?{-1,+1}，Wi?[-1,+1] 图2.5 用M-P模型实现二元Boole逻辑 图2.6 用M-P模型实现三元Boole小项逻辑 图2.7 神经元的延时作用 图2.8 利用神经元构造存储元件 图2.9 模拟条件反射的神经网络 X1代表无条件刺激 (如巴甫洛夫试验中的“食物”)， X2代表条件刺激或信号(如巴甫洛夫试验中的“铃声”)， N1和N2分别是限值为N1和N2的“达限归零”计数器，即当输入N1（N2）个脉冲后，计数器产生一个脉冲输出，同时回零重新计数。 Z1…Z5都是基于线性加权模型的神经元，它们的阈值和联接方式都已在图中注明。 如果X1和X2同时输入NN1次，相当于巴甫洛夫试验中建立条件反射的训练过程。 一旦当N＝N1，则模计数器N1产生输出脉冲，条件反射建立起来。 如果只有X2输入而没有X1的输入，Z5也会产生兴奋（Y＝１）。这就是条件反射的效应。 但是，如果事件X2X1（即有铃声无食物）出现的次数达到N2次，那么，条件反射将消退。 2.3 电子神经元 图2.10 人工电子神经元