Биологический нейрон

Cтраница 1

Биологический нейрон - сложная система, математическая модель которого до сих пор полностью не построена. Введено множество моделей, различающихся вычислительной сложностью и сходством с реальным нейроном. Несмотря на простоту ФН, сети, построенные из таких нейронов, могут сформировать произвольную многомерную функцию на выходе. [1]

По аналогии с биологическим нейроном искусственный нейрон также имеет синапсы, ячейку нейрона и аксон. Аксон - выходная связь нейрона, с которой сигнал поступает на синапсы следующих нейронов. Каждый синапс характеризуется величиной синаптической связи или ее весом w, который по физическому смыслу эквивалентен электрической проводимости. В ячейке нейрона суммируются все входы, что определяет текущее состояние нейрона. [2]

Как работает нервная клетка - биологический нейрон. Необходимо иметь математическую модель, адекватно описывающую информационные процессы в нейроне. Какие свойства нейрона важны при моделировании, а какие - нет. [3]

Биологический нейрон. [4]

На рис. 1.1 показана структура пары типичных биологических нейронов. Дендриты идут от тела нервной клетки к другим нейронам, где они принимают сигналы в точках соединения, называемых синапсами. Принятые синапсом входные сигналы подводятся к телу нейрона. Здесь они суммируются, причем одни входы стремятся возбудить нейрон, другие - воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле нейрона превышает некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. У этой основной функциональной схемы много усложнений и исключений, тем не менее большинство искусственных нейронных сетей моделируют лишь эти простые свойства. [5]

Несмотря на очевидные упрощения, эта схема биологического нейрона объясняет большинство известных процессов работы мозга. [6]

К определению формального нейрона. [7]

В искусственном нейроне вхолы ассоциируются с синапсами биологического нейрона, а выход - с аксоном. [8]

Искусственный нейрон. [9]

Искусственный нейрон имитирует в первом приближении свойства биологического нейрона. На вход искусственного нейрона поступает некоторое множество сигналов, каждый из которых является выходом другого нейрона. Каждый вход умножается на соответствующий вес, аналогичный синаптической силе, и все произведения суммируются, определяя уровень активации нейрона. На рис. 1.2 представлена модель, реализующая эту идею. Хотя сетевые парадигмы весьма разнообразны, в основе почти всех их лежит эта конфигурация. Эти входные сигналы, в совокупности обозначаемые вектором X, соответствуют сигналам, приходящим в синапсы биологического нейрона. Каждый вес соответствует силе одной биологической синаптической связи. [10]

Примеры активационных функций. а - функция единичного скачка. б - линейный порог ( гистерезис. в - сигмоид ( гиперболическийтангенс. г - сигмоид ( логистическая. [11]

Описанный вычислительный элемент можно считать упрощенной математической моделью биологических нейронов - клеток, из которых состоит нервная система человека и животных. [12]

В работе [7] рассмотрены модели с непрерывной активационной функцией F, точнее моделирующей биологический нейрон. [13]

Искусственные нейронные сети индуцированы биологией, т.к. они состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. Эти элементы затем организуются по способу, который может соответствовать ( или не соответствовать) анатомии мозга. [14]

Искусственные нейронные сети индуцированы биологией, так как они состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. Эти элементы организуются по способу, который может в некоторой степени соответствовать анатомии мозга. [15]

Страницы: 1 2 3