神經元是構成神經網絡的最基本單位,構造一個人工神經網絡系統的首要任務就是構造人工神經網絡模型。
1、人工神經元的基本構成
我們希望人工神經元可以模擬生物神經元的一階特性—輸入信號的加權和。對於每一個人工神經元來說,可以接受一組來自系統中其他神經元的輸入信號,每個輸入對應一個權,所有輸入的加權,所有輸入的加權和決定該神經元的激活狀態(Activation)。
設n個輸入分別用x1、x2、... xn表示,它們對應的連接權值依次爲w1,w2,...,wn,所有的輸入及對應的連接權值分別構成輸入向量X和連接權向量W:
X = (x1,x2,...,xn)
W = (w1,w2,...,wn)T
用net表示該神經元所獲得的輸入信號的累積效果,稱爲該神經元的網絡輸入:
2、激活函數
神經元在獲得網絡輸入後,它應該給出適當的輸出。按照生物神經元的特性,每個神經元有一個閥值,當該神經元所獲得的輸入信號的積累效果超過閥值時,它就處於激發態;否則,應該處於抑制態。人工神經元提供一個更一般的變換函數,用來執行對該神經元所獲得的網絡輸入的變換,這就是激活函數。典型的激活函數有線性函數、非線性斜面函數、階躍函數、s型函數等。