神经网络算法

分类及概念：

生物神经网络

生物体的每个神经元有数以千计的通道同其它神经元广泛相互连接，形成复杂的生物神经网络。

人工神经网络

以数学和物理方法以及信息处理的角度对人脑神经网络进行抽象，并建立某种简化模型，就称为人工神经网络（Artificial Neural Network，缩写ANN）。·神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算系统，该系统是靠其状态对外部输入信息的动态响应来处理信息的。

·人工神经网络是一个由许多简单的并行工作的处理单元组成的系统，其功能取决于网络的结构、连接强度以及各单元的处理方式

·人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。

BP神经网络

一种按误差逆传播算法训练的多层前馈网络。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。

神经网络的基本特征：

神经网络的基本功能：

输入的样本经过自动提取，经过非线性映射规则处理输出需要的样本。

分类与识别功能：

优化计算功能：

神经网络的应用领域：医学领域

1.检测数据分析

2.生物活性研究

3.医学专家系统

神经网络建模：

思考方法：用生物神经网络类比人工神经网络

生物神经元在结构上由四部分组成

1.胞体

2.树突

3.轴突

4.突触

神经元的状态分为：静息兴奋抑制

信息的传递过程：

电信号沿着轴突到突触前膜，期间，突触小泡释放神经递质（兴奋性或抑制性）到突触间隙，作用于突触后膜的受体，使下一个神经元兴奋或抑制。从而完成此次信号的传递。

PS：可能有多个神经元同时作用于一个神经元。

生物神经元的信息整合度：

同一时刻多个神经元所产生的刺激所引起的膜电位变化，大致等于个单独刺激引起膜电位点位的代数和。

各次的兴奋传递到突触后膜的时间不同，总的动作电位为该段时间的总和。神经元之间突触的连接方式和连接强度不尽相同。

类比而来看：决定人工神经网络整体性能的三要素为：

1.节点本身的信息处理能力————>数学模型

2.节点之间的连接（突触间隙）————>拓扑结构；

3.节点之间相互连接的强度————>通过学习调节

该模型的六点假设：

1.每个神经元都是一个多输入单输出的信息处理单元（类似函数中的映射）

2.神经元传递的信息分为兴奋性和抑制性

3.神经元具有空间整合特性和阈（yu）特性；

4.神经元信息传递具有时间滞留（突触间的延搁）；

5.一般忽略时间滞留和不应期；

6.神经元本身是非时变的，是本身的一种特性，一般不随其他变化而变化（突触延搁与突触强度为常数）

假设解释：

1.多入单出