它的研究目标是通过研究人脑的组成机理和思维方式， 探索人类智能的奥秘，进而通过模拟人脑的结构和工作 模式，使机器具有类似人类的智能。已在模式识别、机 器学习、计算机图像处理、专家系统等各个方面得到广 泛的应用，成为人工智能研究中的活跃领域。
人工神经元 模拟 生物神经元 人工神经网络 模拟 生物神经网络
信息输入
信息传播与处理
信息传播与处理（整合）
信息传播与处理结果：兴奋与抑制
信息输出
突触是神经元之间相互连接的接口部分，即 一个神经元的神经末梢与另一个神经元的树突相 接触的交界面，位于神经元的神经末梢尾端。突 触是轴突的终端。 神经元的功能特性 （1）时空整合功能。 （2）神经元的动态极化性。 （3）兴奋与抑制状态。 （4）结构的可塑性。 （5）脉冲与电位信号的转换。 （6）突触延期和不应期。 （7）学习、遗忘和疲劳。
神经元的人工模型（ MP模型）
人工神经网络的组成与结构 人工神经网络的组成 人工神经网络是由大量处理单元经广泛互连而组成的人 工网络，用来模拟脑神经系统的结构和功能。而这些处理 单元我们把它称作人工神经元。 人工神经网络可看成是以人工神经元为节点，用有向加 权弧连接起来的有向图。在此有向图中，人工神经元就是 对生物神经元的模拟，而有向弧则是轴突—突触—树突对 的模拟。 有向弧的权值表示相互连接的两个人工神经元间相互作 用的强弱。
生物神经网络: 由多个生物神经元以确定方式和拓扑结构相互连接 即形成生物神经网络。 生物神经网络的功能不是单个神经元信息处理功 能的简单叠加,而且神经元之间的突触连接方式和连接 强度也是不同的并且具有可塑性（这点非常重要），
这使神经网络在宏观呈现出千变万化的复杂的信息处
理能力。
人工神经网络
人工神经网络是集脑科学、神经心理学和信息科学 等多学科的交叉研究领域，属于仿生学的一部分，是近 年来高科技领域的一个研究热点。
w
j 1
n
ji
u j , 处理单元的净输入为 w jiu j i
问题：现抓到三只新的蚊子，它们的触角长和翼长分别为 (l.24,1.80); (l.28，1.84)；（1.40，2.04）．问它们应分别属 于哪一个种类？
方法：
把翼长作纵坐标，触角长作横坐标；那么每个蚊子的翼长 和触角决定了坐标平面的一个点.其中 6个蚊子属于 APf类； 用黑点“·”表示；9个蚊子属Af类；用小圆圈“。”表示， 得到的结果见下图：
分类结果：(1.24，1.80)，(1.28，1.84)属于Af类；(1.40，2.04）属 于 Apf类．
缺陷：根据什么原则确定分类直线？
若取 A=(1.46,2.10), B=(1.1,1.6) 不变，则分类直线变为 y=1.39x+0.071 分类结果变为： (1.24,1.80)， (1.40,2.04) 属于Apf类； (1.28,1.84)属于Af类 哪一分类直线才是正确的呢？ 因此如何来确定这个判别直线是一个值得研究的 问题． 一般地讲，应该充分利用已知的数据信息来确定 判别直线．
更一般的人工神经元 示意图（MP模型）
称为作用函数或激发函数
求和操作
xi w ji u j i
j 1
n
作用函数 yi f ( xi ) f ( w ji u j i )
j 1
Hale Waihona Puke n人工神经元的工作过程
对于第i个处理单元（神经元）来说，假设来自其他 处理单元（神经元）j的信息为uj，它们与本处理单元的 互相作用强度即连接权值为wji, j=1,2,…,n,处理单元的内 部阈值为θi。那么本处理单元（神经元）的输入为
神经生理学和神经
解剖学的研究结果表明， 神经元是脑组织的基本 单元，是神经系统结构 与功能的单位。
生物神经元在结构上由： 细胞体(Cell body)
树突(Dendrite)
轴突(Axon)
突触(Synapse)
四部分组成。用来完成神经
元间信息的接收、传递和处
理。
生物神经元的信息处理机理：神经元间信息的产生、传 递和处理是一种电化学活动。
再如，如下的情形已经不能用分类直线的办法：
新思路：将问题看作一个系统，飞蠓的数据作为输入， 飞蠓的类型作为输出，研究输入与输出的关系。
神经网络模型的生物学背景
人类大脑大约包含有1011~1012个神经元，每个 神经元与大约103～105个其它神经元相连接，构成一 个极为庞大而复杂的网络，即生物神经网络。
第十九章 神经网络模型
一个引例
1981年生物学家格若根（W.Grogan）和维什（W.Wirth）发 现了两类蚊子(或飞蠓midges)．他们测量了这两类蚊子每个 个体的翼长和触角长，数据如下：
• • • • • • • • • 翼长 1.78 1.96 1.86 1.72 2.00 2.00 1.96 1.74 触角长 类别 1.14 Apf 1.18 Apf 1.20 Apf 1.24 Af 1.26 Apf 1.28 Apf 1.30 Apf 1.36 Af • 翼长 • 1.64 • 1.82 • 1.90 • 1.70 • 1.82 • 1.82 • 2.08 触角长 1.38 1.38 1.38 1.40 1.48 1.54 1.56 类别 Af Af Af Af Af Af Af
人工神经网络的结构
x1 ┆ xi ┆ xn
(a)多输入单输出
oj
x1 w1j ┆wij xi ┆wnj xn
(b)输入加权
oj
x1 w1j ┆wij xI ┆wnj xn
oj ∑
x1 w1j ┆ wij xI ┆ wnj xn
oj ∑ f
(c)输入加权求和
(d)输入-输出函数
处理单元（人工神经元）结构示意图
图 飞蠓的触角长和翼长
根据图示，可考虑作一直线，就可将两类飞蠓分开。
例如；取A＝（1.44，2.10）和 B＝(1.10，1.16)，过A、B 两点作一条直线： y＝ 1.47x - 0.017 其中x表示触角长； y表示翼长．
分类规则： 分类直线图 设一个蚊子的数据为（x, y） 如果y≥1.47x - 0.017，则判断蚊子属Apf类 如果y＜1.47x - 0.017；则判断蚊子属Af类．