人工智能核心神经收集——仿生神经元_神经元_暗记
生物体中的神经元
大脑实际上是由约1000亿个神经元和其它种类的细胞共同构成的系统。
如图,这是简化的神经元构造。神经元最主要几个部分便是树突,细胞体,轴突,突触。
一个神经元有多个树突,通过突触连接卖力吸收上一个神经元通报过来的旗子暗记。细胞体在吸收这些旗子暗记后进行一定的判断,做出愉快或抑制的旗子暗记。通过唯一向外传导的轴突通报旗子暗记,轴突的尾端有很多末梢和其它神经元树突连接,形成突触。
也便是说,输入旗子暗记可以有多个,但输出只有一个。即输出一个旗子暗记由多个输入旗子暗记决定。仿生派便是模拟这个,布局人工智能的决策单元。
后来赫布创造神经元的突触的连接强度是可以改变的。这意味着不同神经元通报的信息对终极信息的影响是有差异的,这便是赫布法则。于是科学家引入了一个新的机制--权重。权重越大影响越大;权重越小影响越小。
感知器便是仿神经元。多个感知器通过连接,每个感知器又有不同的权重共同影响终极结果。这个模拟大脑对旗子暗记处理形成的网络称为神经网络。
下篇连续先容人工智能的单层神经网络
本文系作者个人观点,不代表本站立场,转载请注明出处!