La composición básica de las neuronas artificiales.
El modelo neuronal del cerebro humano se muestra en la Figura 8.6.
Una neurona en la imagen consta de un núcleo, un axón, múltiples dendritas y sinapsis. Las señales bioeléctricas se transmiten desde las dendritas, son procesadas por el núcleo celular y una señal de pulso eléctrico sale del axón. Las neuronas están conectadas con otras neuronas a través de sinapsis entre dendritas y axones para formar una red compleja masivamente paralela.
Figura 8.6 Modelo neuronal del cerebro humano [8]
En 1943, el psicólogo McCulloch y el matemático Pitt abstrajeron el modelo biológico y establecieron un modelo matemático de red neuronal artificial: el modelo MP. , como se muestra en la Figura 8.7.
Figura 8.7 Modelo de neurona artificial [8]
La neurona artificial tiene las siguientes 6 características:
(1) Cada neurona es una unidad de entrada única salida;
(2) Las sinapsis se dividen en excitación e inhibición;
(3) Las neuronas tienen integración espacial y umbral;
(4) La entrada y salida de las neuronas tienen un retraso de tiempo fijo, que depende principalmente del retraso sináptico;
(5) Ignora la integración temporal y el período refractario;
(6) Las neuronas no varían en el tiempo, es decir, tanto el retraso sináptico como la fuerza sináptica son constantes.
Obviamente, la suposición anterior es una simplificación y generalización del proceso de procesamiento de información de las neuronas biológicas. El contenido anterior se puede resumir y resumir mediante la ecuación (8.25):
Tutorial de inversión geofísica
Donde: xi(t) representa la señal recibida por la neurona j de la neurona i en el momento t entrada de información; oj(t) representa la salida de la neurona j en el momento t; τij es el retraso sináptico entre la entrada y la salida; Tj es el umbral de la neurona j; es la conexión sináptica de la neurona i a la neurona j; f{ } es la función de transferencia de la neurona, a veces también llamada función de excitación.
Para simplificar, el retraso sináptico en la ecuación anterior se toma como unidad de tiempo, luego la ecuación (8.25) se convierte en
Tutorial de inversión geofísica
El modelo matemático de la neurona descrito por la fórmula anterior expresa de manera integral los seis supuestos del modelo neuronal. Hay múltiples xi (t), pero solo hay un oj (t), que incorpora "múltiples entradas y una sola salida". Los valores de peso positivos y negativos reflejarán "excitación e inhibición sinápticas". La suma de las entradas net'j(t) se denomina entrada neta de la neurona en el momento t:
Tutorial de inversión geofísica
La fórmula anterior refleja la "integración espacial de la neurona j " " ignorando el "efecto de integración temporal y el período refractario". Cuando net'j(t)-Tj>0, la neurona se activa. La diferencia de tiempo unitaria entre oj(t 1) y xi(t) representa que todas las neuronas tienen el mismo ritmo de trabajo constante, lo que corresponde al "retraso sináptico". wij no tiene nada que ver con el tiempo y encarna una "variación ajena al tiempo".