【深度学习基础2】生物神经元与感知机

本文介绍了生物神经元的工作原理,以及M-P神经元模型,揭示了其在解决XOR等非线性问题上的局限。接着,文章深入探讨了感知机的起源、误差曲面以及感知机学习算法,强调了激活函数在解决非线性问题中的关键作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、生物神经元

在这里插入图片描述
让我们借助一个卡通的例子来阐述神经元是如何工作的。我们的感官与外部世界进行交互,感官将信号传递给神经元,神经元被激活,产生一个响应(例如,例子中的『哈哈大笑』)
在这里插入图片描述
在现实中,并非是一个神经元来完成这件事情,而是由大量神经元并行相连而构成的一个网络。我们的感官将信息传递给最低层的神经元,这些神经元中的一些会被激活来响应接收到的信号,并将信息传递给与之相连的其他神经元,上层相连的神经元中会有一些神经元会被再次激活, 重复这个过程, 最终产生一个响应(『哈哈大笑』)
注: 一个普通人的大脑有大约 1011(100 billion) 个神经元!
在这种由大量神经元并行相连的网络中,每个神经元是有具体分工的。每个神经元扮演一个特定的角色或对一个特定的激励进行响应。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

天使Di María

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值