6.1.2人工神经元模型 人工神经元是对生物神经元的一种模拟 与简化。它是神经网络的基本处理单元。 如图所示为一种简化的人工神经元结构 它是一个多输入、单输出的非线性元件
6 6.1.2 人工神经元模型 ◼ 人工神经元是对生物神经元的一种模拟 与简化。它是神经网络的基本处理单元。 如图所示为一种简化的人工神经元结构。 它是一个多输入、单输出的非线性元件
w2i ∑|f 7
7
其输入、输出关系可描述为 1=∑x- y,= fai ■其中,x(=12…1m)是从其他神经元传来的 输入信号:W表示从神经元到神经元i的 连接权值;,为阈值;f(·)称为激发函数 或作用函数
8 ◼ 其输入、输出关系可描述为 ◼ 其中， 是从其他神经元传来的 输入信号； 表示从神经元j到神经元i的 连接权值； 为阈值； 称为激发函数 或作用函数。 = = − n j i wijxj i I 1 ( ) i i y = f I x ( j 1,2, , n) j = wij i f (•)
输出激发函数f(°)又称为变换函数,它决定 神经元(节点)的输出。该输出为1或0, 取决于其输入之和大于或小于内部阈值 函数 鳗有非线性特性。下图表示 了几种常见的激发函数。 1.阈值型函数(见图(a),(b)) 2.饱和型函数(见图(c)) 3.双曲函数(见图(d) 4.S型函数(见(e) 5.高斯函数(见图(f))
9 输出激发函数 又称为变换函数，它决定 神经元（节点）的输出。该输出为1或0， 取决于其输入之和大于或小于内部阈值 。 函数 一般具有非线性特性。下图表示 了几种常见的激发函数。 1. 阈值型函数（见图（a），（b）） 2. 饱和型函数（见图（c）） 3. 双曲函数（见图（d）） 4. S型函数（见（e）） 5. 高斯函数（见图（f）） f (•) i f (•)
f(a) (b) f(x)p=5.0 f(r) 0.5a=1 0 (e) 10
10