电脑模拟神经元 | 人工神经元是如何去模拟生物神经元的

1. 人工神经元是如何去模拟生物神经元的

神经生物学家McCulloch W.S.和青年数学家 Pitts W.A.合作，提出了第一个人工神经元模型-----神经元的阀值模型，简称 MP 模型。神经生物学家 Hebb 于 1949 年提出了连接权值强化的 Hebb 法则 。

神经元之间突触的联系强度是可变的，这种可变性是学习和记忆的基础。Hebb 法则为构造有学习功能的神经网络模型奠定了基础。

2. 神经元的细胞体

神经元和神经纤维当然是有明显的区别，神经元也就是神经细胞，是由胞体和突起两部分组成。它主要是具有感受，刺激，传导冲动，整合信息的功能，是中枢神经系统结构和功能的基本单位。神经纤维是神经元的突起部分，主要包括一些突起和包在凸起外面的髓鞘。它的主要功能就是起到传导冲动的作用。

在中枢神经系统，神经元的细胞体构成了灰质部分，而神经纤维聚集的部位则形成了白质。

3. 生物神经元和人工神经元区别

人工神经网络主要架构是由神经元、层和网络三个部分组成。整个人工神经网络包含一系列基本的神经元、通过权重相互连接。

神经元是人工神经网络最基本的单元。单元以层的方式组，每一层的每个神经元和前一层、后一层的神经元连接，共分为输入层、输出层和隐藏层，三层连接形成一个神经网络。

输入层只从外部环境接收信息，是由输入单元组成，而这些输入单元可接收样本中各种不同的特征信息。该层的每个神经元相当于自变量，不完成任何计算，只为下一层传递信息；隐藏层介于输入层和输出层之间，这些层完全用于分析，其函数联系输入层变量和输出层变量，使其更配适数据。而最后，输出层生成最终结果，每个输出单元会对应到某一种特定的分类，为网络送给外部系统的结果值，，整个网络由调整链接强度的程序来达成学习的目的。

假如输出单元的输出值和所预期的值相同，那么连接到此输出单元的链接强度则不被改变。但如果应该输出1的单元却输出0，那么连接到这个单元的链接强度则会被加强。相反，如果应该输出0却输出1，那么连接到此输出单元的链接强度则会被降低。简单地说，达成收敛的效果是这个学习程序的主要目标。目前尚没有统一的标准方法可以计算人工神经网络的最佳层数。

4. 人工神经元和生物神经元的特征和区别

1943年心理学家McCulloch和数学家Pitt将生物模型抽象化，建立了人工神经网络的数学模型——MP模型

一个神经元由细胞核、一个轴突、多个树突、突触组成。生物电信号从树突传入，经过细胞核处理，从轴突输出一个电脉冲信号。神经元通过树突与轴突之间的突触与其他神经元相连构成一个复杂的大规模并行网络。

5. 人工神经元的信息处理机制

人工神经网络（ANN）或联结主义系统是受构成动物大脑的生物神经网络的启发但不完全相同的计算系统。这种系统通过例子来“学习”执行任务，而不用特定于任务的规则进行编程。例如，在图像识别中，人工神经网络可能会通过分析一些图像样本来学习识别包含猫的图像，这些图像被手工标记为“猫”或“不是猫”，并使用结果识别在其他图像中的猫。他们这样做是在没有猫的任何先验知识的情况下进行的，例如，它们有毛皮，尾巴，胡须和类似猫的脸。相反，人工神经网络会自动从它们处理的学习材料中生成识别特征。

人工神经网络是基于称为人工神经元的连接单元或节点所构成的集合，这些单元或节点松散地模拟生物大脑中的神经元。像生物大脑中的突触一样，每个连接可以将信号从一个人工神经元传输到另一个人工神经元。接收信号的人工神经元可以对其进行处理，然后向与之相连的附加人造神经元发出信号。

在常见的人工神经网络实现中，人造神经元之间连接处的信号是一个实数，每个人工神经元的输出由它的输入之和的一些非线性函数计算。人造神经元之间的联结被称为“边”。人造神经元和边通常具有随着学习进行而调整的权重。权重可以增加或减少连接处的信号强度。人造神经元可能有一个阈值，使得只有当总信号超过该阈值时才发送信号。典型的神经网络中 ，每一层都由多个人造神经元聚合而成。不同的层可以对它们的输入执行不同种类的转换。信号从第一层(输入层)传播到最后一层(输出层)，可能在这过程之间会多次穿过这些层。

人工神经网络方法的最初目标是以与人脑相同的方式解决问题。然而，随着时间的推移，人们的注意力转移到了执行特定的任务上，从而逐渐偏离了生物学。人工神经网络已被用于各种任务，包括计算机视觉、语音识别、机器翻译、社交网络过滤、玩棋盘和电子游戏和医学诊断。

6. 神经元生成

神经元可分为哪几类?根据神经元的功能,可将其分为三类:

1、感觉神经元:也称传入神经元,是传导感觉冲动的,胞体在脑、脊神经节内,多为假单极神经元。其突起构成周围神经的传入神经。神经纤维终末在皮肤和肌肉等部位形成感受器。

2、运动神经元:也称传出神经元,是传导运动冲动的神经元,多为多极神经元。胞体位于中枢神经系统的灰质和植物神经节内,其突起构成传出神经纤维。神经纤维终未,分布在肌组织和腺体,形成效应器。

3、中间神经元:也称联合神经元是,在神经元之间起联络作用的神经元,是多极神经元,人类神经系统中,最多的神经元,构成中枢神经系统内的复杂网络。胞体位于中枢神经系统的灰质内,其突起一般也位于灰质。 -----------------

7. 人工神经元模型是如何体现

一、孕育期

1.1943年 Warren McCulloch和Walter Pitts利用三种资源：基础生理学知识和脑神经元的功能、罗素和怀特海德对命题逻辑的形势分析、图灵的计算理论，提出了人工神经元模型。

2.1949年Donald Hebb提出用于修改神经元之间的连接强度的更新规则，即赫布型学习。

3.1950年Marvin Minsky和Dean Edmonds建造了第一台神经网络计算机SNARC，使用3000个真空管和自动指示装置模拟40个神经元构成的网络。

4.1950年阿兰.图灵提出图灵测试、机器学习、遗传算法和强化学习。

5.1952年阿瑟.萨穆尔的西洋跳棋程序，可以通过学习达到业余高手的水平。

二、诞生

1956年约翰.麦卡锡(john McCarthy)等人召开了达特茅斯研讨会，标志着人工智能的诞生。

此后20年，人工智能领域被这10个人以及他们所在的MIT、CMU、斯坦福和IBM的学生和同事支配了。

1.艾伦.纽厄尔和赫伯特.西蒙推出了一个推理程序'逻辑理论家'，能证明罗素和怀特海德的《数学原理》。

2.1958年麦卡锡定义了长期霸占人工智能编程统治地位的Lisp语言，发明了分时技术、提出了'有常识的程序'。

后者被认为是第一个完整的人工智能系统。

3.明斯基指导学生研究求解需要智能的有限问题，这些有限域称为微观世界，比如积木世界。

这直接引发了1970年学习理论、1971年的视觉项目、1972年的自然语言理解程序、1974年的规划器、1975年的视觉与约束传播工作、

4.1962年Frank Rosenblatt用感知机加强了赫布的学习方法。Block等也提出了感知机收敛定理。

5.1969年Bryson和Ho首次提出反向传播算法。

三、第一次低谷(1974-1980)

1. 由于准确的翻译需要背景知识来消除歧义并建立句子的内容，导致机器翻译迟迟没有进展。

2.微观世界能求解的问题，放大之后迟迟没有任何进展。

3.感知机被嘲讽无法解决最简单的异或问题，导致神经网络几乎销声匿迹。

四、第二次兴起(1980-1987)：专家系统的流行

1.1969年Buchanan等开发了第一个成功的知识密集系统DENDRAL，引发了专家系统的研究。

2.1982年第一个成功的商用专家系统RI在数据设备公司(DEC)运转，该程序帮助为新计算机系统配置订单，到1986年为公司节省了4000万美元。

这个期间几乎每个主要的美国公司都正在使用或者研究专家系统。

五、第二次AI寒冬1987-1995

1.XCON等最初大获成功的专家系统维护费用居高不下。

2.专家系统的实用性仅仅局限于某些特定情景。

3.1981年日本提出的'第五代计算机'，以研制运行Prolog语言的智能计算，始终无法实现。

4.美国AI研究计划中的芯片设计和人机接口研究始终无法实现目标。

六、第三次兴起(1995-现在)

8. 人工智能模拟神经元

人工智能的三大技术基础有：技术基础1：文艺复兴后的人工神经网络。技术基础2：靠巨量数据运作的机器学习。技术基础3：人工智慧的重要应用：自然语言处理。

技术1、文艺复兴后的人工神经网络

对于人工智慧，电脑科学家当然希望可以直接模仿生物的神经元运作，因此设计数学模型来模拟动物神经网络的结构与功能。 所谓人工神经网络是一种仿造神经元运作的函数演算，能接受外界资讯输入的刺激，且根据不同刺激影响的权重转换成输出的反应，或用以改变内部函数的权重结构，以适应不同环境的数学模型。

技术2、靠巨量数据运作的机器学习

科学家发现，要让机器有智慧，并不一定要真正赋予它思辩能力，可以大量阅读、储存资料并具有分辨的能力，就足以帮助人类工作。1970年代，人工智慧学者从前一时期的研究发展，开始思辩在机器上显现出人工智慧时，是否一定要让机器真正具有思考能力？

因此，人工智慧有了另一种划分法：弱人工智慧（Weak AI）与强人工智慧（Strong AI）。弱人工智慧意指如果一台机器具有博闻、强记（可以快速扫描、储存大量资料）与分辨的能力，它就具有表现出人工智慧的能力。强人工智慧则是希望建构出的系统架构可媲美人类，可以思考并做出适当反应，真正具有人工智慧。

技术3、人工智慧的重要应用：自然语言处理

对人类来说，如何让这些现代自己制造出来的机器们，可以听懂人话，并与人类「合作」，绝对是可以推动我们面对未知宇宙的重要助手。 自然语言处理（Natural Language Processing, NLP）的研究，是要让机器「理解」人类的语言，是人工智慧领域里的其中一项重要分支。

英国雷丁大学的演化生物学家马克．佩葛（Mark Pagel）认为，最早的一种「社会科技」是人类的「语言」，语言的发明让早期人类部落透过新工具：「合作」在演化上占有优势。自然语言处理可先简单理解分为进、出计算机等两种：其一是从人类到电脑──让电脑把人类的语言转换成程式可以处理的型式，其二是从电脑回馈到人──把电脑所演算的成果转换成人类可以理解的语言表达出来。

9. 神经元细胞怎么产生

材料：厚白纸、彩色铅笔、较细的蓝色电线和较粗的红色电线（PS：绝缘皮内铜丝要求是分股的）、剪子、胶带。制作步骤：

①在厚白纸上用彩色铅笔画出神经元的细胞体，直径约为15-20厘米，然后用剪子把画好的细胞体剪下。

②用几根10厘米长的蓝色电线连接在细胞体的边缘，把每根电线外端的绝缘皮去掉1厘米，露出一根细铜丝。

③用1根50厘米左右的红色电线连接在细胞体的边缘，把电线的另一端的绝缘皮去掉1厘米，露出一根细铜丝。