基于神经网络的专家系统

神经元之间的联系:
轴突及突触与其它许多神经元建立联系。 树突接收来自不同神经元的信息。 神经元之间的这种复杂联系就形成了相应的 神经网络。
神经元重要特性：
(1) 动态极化原则：在每一神经元中，信息 都是以预知的确定方向流动的，即从神经元 的接收信息部分 (细胞体、树突)传到轴突的 起始部分，再传到轴突终端的突触，最后再 传递给另一神经元。
2、人工神经网络的分类
l 若按网络的拓扑结构划分，则可分为无
反馈网络与有反馈网络； l 若按网络的学习方法划分，则可分为有 教师的学习网络与无教师的学习网络； l 若按网络的性能划分，则既可以分为连 续型与离散型网络，又可分为确定型与 随机型网络； l 若按连接突触的性质划分，则可分为一 阶线性关联网络与高阶非线性关联网络。
(4) 结构的可塑性：突触传递信息的特性是可变 的，随着神经冲动传递方式的变化，其传递作 用可强可弱。 (5) 突触界面具有脉冲与电位信号的转换功能。 沿轴突传递的电脉冲是等幅、离散的脉冲信号， 而细胞膜电位变化为连续的电位信号，这两种 信号是在突触接口进行变换的。 (6) 突触对信息的传递具有时延和不应期。在相邻 的两次输入之间需要一定的时间间隔，在此期 间不响应激励，不传递信息，这称为不应期。
1、人工神经元 • 人工神经元是组成人工神经网络的基本 处理单元，简称为神经元。 • 心理学家麦克洛奇 (W ． McCulloch) 和数 理逻辑学家皮兹 (W.Pitts) 于 1943 年首先提 出了一个简化的神经元模型，称为M-P模 型。
• M-P模型
• 圆表示神经元的细胞体； • e，i 表示外部输入，对应于生物神经元 的树突。e为兴奋性突触连接，i 为抑制 性突触连接； • θ表示神经元兴奋的阈值； • y 表示输出，它对应于生物神经元的轴 突。
(3) 树突：这是由细胞体向外伸出的除轴突
外的其它分枝，长度一般均较短，但分 枝很多。它相当于神经元的输人端，用 于接收从四面八方传来的神经冲动。 (4) 突触：是神经元之间相互连接的接口部 分，即一个神经元的神经末梢与另一个 冲经元的树突相接触的交界面，位于神 经元的神经末梢尾端。
生物神经元组成
(2) 时空整合处理功能：神经元对于不同时间通过
同一突触传入的信息，具有时间整合功能；对 于同一时间通过不同突触传人的信息，具有空 间整合功能。 (3) 兴奋与抑制工作状态：
– 兴奋状态：指神经元对输入信息经整合后使 细胞膜电位升高，且超过了动作电位的阈值， 此时产生神经冲动，并由轴突输出。 – 抑制状态：指经对输入信息整合后，膜电位 下降至低于动作电位的阈值，此时无神经冲 动输出。
图4 互连网络
三、 人工神经网络的特征及分类
1、人工神经网络有以下主要特征： (1) 能较好地模拟人的形象思维。 (2) 具有大规模并行协同处理能力。 (3) 具有较强的容错能力和联想能力。
(3)具有较强的学习能力。两种方式学习：
– 有教师的学习：指由环境向网络提供一组样 例，每一个样例部包括输入及标准输出两部 分，如果网络对输入的响应不一致，则通过 调节连接权值使之逐步接近样例的标准输出， 直到它们的误差小于某个预先指定的阈值为 止。 – 无教师的学习：指事先不给出标准样例，直 接将网络置于环境之中。学习阶段与工作阶 段融为一体。
• 神经元的工作过程一般是：
(1) 从各输人端接收输入信号xi； (2) 根据连接权值wi，求出所有输入的加权和σ ：
(3) 用某一特性函数 ( 又称作用函数) f 进行转换， 得到输出y：
2、神经元的互连形态 人工神经网络是由神经元广泛互连构成的， 不同的连接方式就构成了网络的不同连 接模型，常用的有以下几种： (1) 前向网络：前向网络又称为前馈网络。 在这种网络中，神经元分层排列，分别 组成输入层、中间层和输出层。每一层 神经元只接收来自前一层神经元的输入。 输入信息经各层变换后，最终在输出层 输出，如图所示。
• M-P 模型对抑制性输入赋于了“否决 权”，只有当不存在抑制性输入，且兴 奋性输入的总和超过阈值，神经元才会 兴奋，其输入与输出的关系如表所示。
M-P模型输入输出关系表
• 在M-P模型基础上发展起来的常用神经网络模型 如图所示：
神经元的结构模型
• x(i=1，2，…，n) 为该神经元的输入 • Wi 为该神经元分别与各输入间的连接强 度，称为连接权值； • θ为该神经元的阈值， • s 为外部输入的控制信号，它可以用来调 整神经元的连接权值，使神经元保持在 某一状态； • y 为神经元的输出。
一、脑神经系统与生物神经元
1. 脑神经系统 : 神经系统是由结构上相对 独立的神经细胞构成的。据估计，人脑 神经系统的神经细胞约为1011个。 2. 生物神经元 生物神经元组成：神经细胞称之为生物 神经元。神经元主要由三个部分组成： 细胞体、轴突、树突。
(1) 细胞体：由细胞核、细胞质与细胞膜等 组成。它是神经元的新陈代谢中心，同 时还用于接收并处理对其它神经元传递 过来的信息。 (2) 轴突：由细胞体向外伸出的最长的一条 分枝，每个神经元一个，其作用相当于 神经元的输出电缆，它通过尾部分出的 许多神经末梢以及梢端的突触向其它神 经元输出神经冲动。
前向网络
（2）从输出层到输入层有反馈的网络。这
种网络与上一种网络的区别仅仅在于，输出 层上的某些输出信息又作为输入信息送入到 输入层的神经元上。
图2 从输出层到输入层有反馈的网络
(3) 层内有互连的网络。同一层上的神经元 可以互相作用。
ห้องสมุดไป่ตู้
图3 层内有互连的网络
（4）互连网络。在这种网络中，任意两个 神经元之间都可以有连接，如图4所示。 在该网络中，信息可以在神经元之间反 复往返地传递，网络一直处在一种改变 状态的动态变化之中。
二、人工神经元及其互连结构
人工神经网络是由大量处理单元 (人工神经
元、处理元件、电子元件、光电元件等 ) 经广 泛互连而组成的人工网络，用来模拟脑神经系 统的结构和功能。 – 信息的处理是由神经元之间的相互作用来实 现。 – 知识与信息的存储表现为网络元件互连间分 布式的物理联系。 – 网络的学习和识别取决于各神经元连接权值 的动态演化过程。