### 第六讲 人工神经网络知识点总结
#### 一、生物神经网络简介
- **大脑基本参数**：
- 重量：约1200-1500克
- 体积：约600立方厘米
- 神经元数量：约10^11个
- **大脑功能**：
- 接受外界信号
- 产生感觉
- 形成意识
- 进行逻辑思维
- 发出指令产生行为
- 掌管语言、思维、感觉、情绪、运动等高级活动
- **生物神经元结构**：
- **树突**：接收其他神经元传递的信息，相当于信息输入通道。
- **轴突**：传出从细胞体接收的信息，相当于信息输出通道。
- **神经末梢与突触**：轴突末端与其他神经元连接，其连接末端称为突触，负责信息传递。
#### 二、生物神经元的信息传递与处理
- **膜电位**：神经细胞内外不同电位形成的电位差。
- **膜电位加权**：突触导致的膜电位变化可以累加，达到阈值时会产生脉冲。
- **突触延迟**：突触传递信息需要一定时间，温血动物约为0.3-1.0毫秒。
#### 三、生物神经元的基本特征
- 输入端：感知外界或其他神经元信息。
- 输出端：向外界或其他神经元输出信息。
- 连接强度（权值）：决定信号传递的强度，可随训练改变。
- 权值可正可负：决定刺激或抑制作用。
- 阈值：每个神经元具有的特定阈值。
- 信号累积：对接受的信号进行加权累积。
- 兴奋程度：由传输函数和输入信号加权与阈值之和决定。
#### 四、人工神经元与生物神经元的对比
- **人工神经元**：
- 基于公式模型
- 简化版生物神经元
- 用于构建人工神经网络的基础单元
- **人工神经网络特点**：
- 信息分布式存储
- 并行协同处理
- 学习能力和自组织、自学习性
- 联想、综合和推广能力
#### 五、人工神经网络的一般结构
- **分布式存储**：信息存储在网络中各个神经元的权值和阈值中。
- **权值与阈值的确定**：通过学习与训练过程调整。
- **传输函数的意义**：表示神经元对输入信号加权的响应，不同函数代表不同的神经元模型。
#### 六、人工神经网络的应用与发展
- **应用领域**：
- 计算机视觉
- 自然语言处理
- 推荐系统
- 强化学习
- 生物医学工程
- **发展历程**：
- 1943年，W. McCulloch和W. Pitts提出MP模型，标志着神经网络研究的开始。
- 经历萌芽期、第一次高潮期、反思低潮期、第二次高潮期、再认识与应用研究期五个阶段。
- **未来趋势**：
- 加强与行为科学、认知科学和信息科学的联系。
- 在更广泛的领域内实现智能化。
- 提升模型的可解释性和泛化能力。
#### 七、思考问题
- 为什么计算机时钟频率远高于神经元的脉冲发放率，但大脑在图像识别等方面却比计算机更快？
- 为什么新生儿无法像成人那样进行复杂的识别？
这些问题引导我们深入理解生物神经网络与人工神经网络的本质差异，以及如何进一步优化人工神经网络的设计和应用。
