神经网络模型

人工神经元模型

首先看生物的神经元：

生物的神经元是由细胞体，树突，轴突构成，树突有许多个，轴突只有一个。树突和细胞体接受输入神经冲动，轴突发出神经冲动到下一个神经元。

在此过程中，通过不同的途径进入神经元，其产生的神经冲动也不同，有的是激励，有的是抑制，有的什么也不做。这些神经冲动经过汇总，传递到轴突，并且只有强度超过某个值时，才能发出去，到达下一个神经元。

于是，人们就仿照这一模式，搭建了人工神经元模型。

该有的一个不少，于是，设想有一个盒子，盒子上有许多个个入口，却只有一个出口，用于信号的输入和输出。信息从不同的入口进入，会在盒子里产生不同响应，有的进行了放大，有的则是缩小。这些响应会加起来，其总的强度如果超过了阈值，阈值就是一个门槛，才能产生一个输出，不然就不会产生输出。这个输出由一个函数来调整，成为激活函数，使他总是限制在一个范围，方便处理。

将许多个这样的人工神经元连起来，就构成了所谓的神经网络。

具体的数学关系同样也很简单。也就一个线性组合再加上一个函数作用。

关键

考虑一下这个模型，发现能改变的地方并不多。

输出只能是一个，不能调整

输入的个数可以调整

然后是不同的输入途径产生的响应强度可以调整，这个被称为权值。

还有激活函数可以调整，使用不同的函数，可能效果不同。

最后，还有神经元的个数。

以及神经元之间不同的连接方式。

这些可调整的因素就构成了许多不同种类的更加细化的模型。但这些模型的基础都是人工神经元模型，这是不会变的。