非线性CC神经元模型的原理及其学习算法

被引：2

作者：

黄金才

陈文伟

陈元

机构：

[1] 国防科技大学管理科学与工程系

[2] 国防科技大学管理科学与工程系长沙

[3] 长沙

[4] 长沙

来源：

计算机科学 | 2001年 / 11期

关键词：

Neural Networks; Nonlinear; CC Model; FP Algorithm;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

<正> 1 M-P神经元模型的工作原理和几何意义 1943年,MoCulloch和Pitts根据神经元传递规律,第一次提出了神经元的数学模型。M-P神经元模型一直沿用至今,它对神经网络的发展起到了奠基性的作用。每个神经元的状态由M-P方程决定:S=f（∑WiXi-θ）,θ为阈值,f为激励函数,一般取符号函数。令:它代表了n维空间中,以X为坐标变量,以W为坐标系数,θ为常数项的一个超平面。当 I（X）=sum from i=1 to n WiXi-θ=0样本点X落入超平面的正半区,即I（X）>0时,有f（I）=1;当样本点X落入超平面的负半区,即I（X）<0时,有f（I）=0。从分类的角度看,一个神经元按输入将

引用

页码：33 / 36+25 +25

页数：5