当前课程知识点:人工智能 >  4.计算智能 >  4.2神经网络 >  4.2.1神经网络概述

返回《人工智能》慕课在线视频课程列表

4.2.1神经网络概述资料文件与下载

4.2.1神经网络概述

神经网络概述

     神经网络或叫神经计算,是计算智能的重要基础和核心,也是计算智能乃至智能科学技术的一个重要研究领域。

       生物神经系统是人工神经网络的基础。人工神经网络是对人脑神经系统的简化、抽象和模拟,具有人脑功能的许多基本特征。

     为方便对神经网络的进一步讨论,下面先介绍:生物神经元的结构、生物神经元的功能和人脑神经系统的联结机制。

   (1) 生物神经元的结构

    它由细胞体(Soma)、轴突(Axon)和树突(Dendrite)三个主要部分组成 。

     细胞体由细胞核、细胞质和细胞膜等组成,其直径大约为0.5-100μm大小不等。细胞体是神经元的主体,用于处理由树突接受的其它神经元传来的信号,内部是细胞核,外部是细胞膜,细胞膜的外面是许多向外延伸出的纤维。 轴突是由细胞体向外延伸出的所有纤维中最长的一条分枝,用来向外传递神经元产生的输出电信号。每个神经元都有一条轴突,其最大长度可达1m以上。在轴突的末端形成了许多很细的分枝,这些分支叫神经末梢。每一条神经末梢可以与其它神经元形成功能性接触,该接触部位称为突触。所谓功能性接触,是指非永久性的接触,这正是神经元之间传递信息的奥秘之处。树突是指由细胞体向外延伸的除轴突以外的其它所有分支。树突的长度一般较短,但数量很多,它是神经元的输入端,用于接受从其它神经元的突触传来的信号。

     (2) 生物神经元的功能

    根据神经生理学的研究,生物神经元的2个主要功能是:神经元的兴奋与抑制神经元内神经冲动的传导

    ① 神经元的抑制与兴奋

     抑制状态是指神经元在没有产生冲动时的工作状态。

     兴奋状态是指神经元产生冲动时的工作状态。

     通常情况下,神经元膜电位约为-70 毫伏,膜内为负,膜外为正,处于抑制状态。当神经元受到外部刺激时,其膜电位随之发生变化,即膜内电位上升、膜外电位下降,当膜内外的电位差大于阈值电位(约+40毫伏)时,神经元产生冲动而进入兴奋状态。

      说明:神经元每次冲动的持续时间大约1毫秒左右,在此期间即使刺激强度再增加也不会引起冲动强度的增加。神经元每次冲动结束后,都会重新回到抑制状态。如果神经元受到的刺激作用不能使细胞膜内外的电位差大于阈值电位,则神经元不会产生冲动,将仍处于抑制状态。

      ② 神经元内神经冲动的传导

       神经冲动在神经元内的传导是一种电传导过程,神经冲动沿神经纤维传导的速度却在4.2---320km/s之间,且其传导速度与纤维的粗细、髓鞘的有无有一定关系。一般来说,有髓鞘的纤维的传导速度较快,而无髓鞘的纤维的传导速度较慢。

      (3) 人脑神经系统的联结机制

       ① 人脑神经系统的联结规模

       人脑大约由image.png --image.png个神经元所组成,其中每个神经元大约有3*image.png个突触。

       小脑中的每个神经元大约有image.png个突触,并且每个突触都可以与别的神经元的一个树突相连。

人脑神经系统就是由这些巨量的生物神经元经广泛并行互连所形成的一个高度并行性、非常复杂的神经网络系统。

② 人脑神经系统的分布功能

    人脑神经系统的记忆和处理功能是有机的结合在一起的,每个神经元既具有存储功能,同时又具有处理能力。 从结构上看,人脑神经系统又是一种分布式系统。人们通过对脑损坏病人所做的神经生理学研究,没有发现大脑中的哪一部分可以决定其余所有各部分的活动,也没有发现在大脑中存在有用于驱动和管理整个智能处理过程的任何中央控制部分。即,人类大脑的各个部分是协同工作、相互影响的。在大脑中,不仅知识的存储是分散的,而且其控制和决策也是分散的。


下一节:4.2.2人工神经元

返回《人工智能》慕课在线视频列表

人工智能课程列表:

1.绪论

-1.1人工智能的定义与发展

--人工智能的诞生

--定义

--发展

-1.2智能的本质

--人类智能

--人工的智能

--弱人工智能、强人工智能和超人工智能

-1.3人工智能各学派的认知观

--人工智能各学派的认知观

--AI的萌芽

-1.4人工智能的研究与应用领域

--AI在世界各国的重要地位

--AI的研究范围

--AI在中国

-图灵测试讨论

-资源推荐

--有趣的资源

-章节习题

2.知识表示

-2.1知识的基本概念

--2.1.1知识的层次

--2.1.2知识的属性

--2.1.3知识的分类

--2.1.4知识表示的基本概念

--2.1.5知识表示方法的分类

--2.1.6知识表示方法的衡量及特性

-2.2状态空间法

--人工智能中重点关注的两方面内容

--教师讲解:状态和算符

--2.2.2状态图示法

--2.2.3实例-八数码问题

--2.2.4实例-迷宫问题

--2.2.5实例-梵塔问题(三个盘)

--教师讲解:猴子与香蕉问题

--习题

-2.3问题归约法

--2.3.1问题规约的基本思想

--2.3.2问题规约法三个组成部分

--教师讲解:梵塔问题规约法描述

-2.4谓词逻辑法

--2.4.1谓词公式

--教师讲解:置换和合一

-章节习题

3.搜索推理技术

-3.1图搜索策略

--图搜索策略概述

-3.2盲目搜索策略

--教师讲解:盲目搜索

--教师讲解:八数码实例

-3.3启发式搜索策略

--教师讲解:启发式搜索

-3.4消解原理

--3.4.1消解(归结)推理概述

--3.4.2子句集的求取

--3.4.3消解演绎

-章节习题

4.计算智能

-4.1概述

--计算智能定义

-4.2神经网络

--4.2.1神经网络概述

--4.2.2人工神经元

--4.2.3人工神经网络的互联结构

--4.2.4BP网络模型

--4.2.5Hopfield网络模型

--教师讲解:神经网络-生物神经元

--教师讲解:神经网络-人工神经元

--教师讲解:神经网络-典型网络结构

--教师讲解:神经网络-学习方式和规则

-4.3进化计算

--4.3.1进化计算概述

--4.3.2遗传算法

--教师讲解:遗传算法教师讲解

--教师讲解:遗传算法实例求函数最大值

-4.4蚁群算法

--4.4.1蚁群算法概述

--教师讲解:蚁群算法

-4.5模拟退火算法

--教师讲解:模拟退火算法

-4.6博弈搜索策略

--教师讲解:博弈树

--教师讲解:剪枝

-章节习题

5.专家系统

-5.1专家系统概述

--5.1.1专家系统概念

--5.1.2专家系统的特点

--5.1.3专家系统的类型

-5.2专家系统结构

--5.2.1专家系统概念结构

--5.2.2专家系统实际结构

--5.2.3 网络与分布式结构

--5.4 黑板模型

-5.3专家系统的应用与发展概况

--5.3.1专家系统的意义

--5.3.2专家系统的应用

--5.3.3专家系统的发展概况

-5.4专家系统实例

--5.4.1 PROSPECTOR的功能与结构

--5.4.2 PROSPECTOR知识表示

6.机器学习

-6.1机器学习的基本概念

--6.1.1学习和机器学习

--6.1.2学习系统

--6.1.3机器学习的主要策略

-6.2记忆学习

--6.2.1记忆学习的概念

--6.2.1记忆学习的模型

-6.3归纳学习

--6.3.1归纳学习概念

--6.3.2示例学习

-- 6.3.3决策树学习

--6.3.4ID3算法

-6.4解释学习

--6.4.1解释学习基本概念

--6.4.2解释学习的基本原理

--6.4.3解释学习的基本过程

-6.5神经学习

--6.5.1神经学习的概念

--6.5.2感知器学习

--6.5.3BP网络学习

-章节习题

7.自然语言理解

-7.1自然语言理解概述

--7.1.1概述

--7.1.2语言与语言的理解

--7.1.3自然语言处理的概念与定义

--7.1.4自然语言处理的研究领域和意义

-7.2词法分析

--词法分析

-7.3句法分析

--句法模式匹配和转移网络

-7.4 统计语言建模

--7.4.1统计语言模型定义

--7.4.2N-gram模型

-7.5信息检索

--7.5.1信息检索概述

--7.5.2信息检索简史

--7.5.3信息检索模型

--7.5.4信息检索中的自然语言处理方法

4.2.1神经网络概述笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。