积分商城

最新搜索： xc7a50t stm32f0 usb源码 STM32F103C8T6 I9300 Authorware 4.0 adxl355
您现在的位置是：首页 > 技术资料 > M-P模型-人工神经元奠基
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

M-P模型-人工神经元奠基

更新时间：2026-07-22 08:31:09 大小：15K 上传用户：潇潇江南查看TA发布的资源 标签：神经元 下载积分：2分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

模型概述

M-P模型（McCulloch-Pitts Neuron）是第一个人工神经元模型，由神经生理学家沃伦·麦卡洛克（Warren McCulloch）和逻辑学家沃尔特·皮茨（Walter Pitts）于1943年提出，因此也常被称为阈值逻辑单元，是人工神经网络领域的开创性成果，为后续人工神经网络的发展奠定了基础。

模型原理

生物学基础

M-P模型参照生物神经元的工作机制设计：生物神经元通过树突接收来自其他神经元的输入信号，在细胞体中对信号整合处理，当整合后的信号强度超过神经元的兴奋阈值时，神经元会被激活，通过轴突向其他神经元输出兴奋信号；若信号强度低于阈值，神经元保持抑制状态，不输出信号。M-P模型对这一过程进行了抽象化和数学化处理。

数学结构

M-P神经元模型的结构可以拆解为五个核心部分：

1. 输入信号：对应生物神经元的树突输入，$n$个输入信号通常记为，每个输入代表来自前一个神经元的信号输出。

2. 连接权重：每个输入对应一个权重，权重表示该输入信号对当前神经元的影响强度，权重为正对应兴奋性连接，权重为负对应抑制性连接。

3. 线性整合：将所有输入信号加权求和，得到整合后的总输入信号，数学表达式为：

 

4. 阈值激活：设置一个兴奋阈值，将整合后的总输入$z$与阈值比较，通过激活函数输出结果。

5. 输出信号：对应生物神经元的轴突输出，输出结果记为$y$，只有两种可能的取值：1（激活兴奋）和0（抑制静息）。


部分文件列表

文件名 大小
M-P模型-人工神经元奠基.docx 15K

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号