11、神经元网络的与或逻辑模拟

神经元网络的与或逻辑模拟

1. 引言

大脑的功能与现有的计算机系统有很大差异。虽然我们对大脑信息处理机制的了解有限，但知道大脑由大量神经元组成，单个神经元可视为一种阈值元件。因此，神经元系统和现有计算机系统存在一些相似之处。

我们特别关注的相似点是，它们都可被看作数字电路的集合。与或门网络能轻松实现与先前状态无关的数字电路的任何功能。此外，替代神经元的阈值元件会根据其阈值执行与门或或门的功能。这些事实启发我们构建神经元网络的与或逻辑模拟。

我们提出的神经元网络有两层。第一层用于分析输入模式，第二层用于生成输出模式，这两层的操作分别对应与平面和或平面的操作。

标准与或门网络的功能由其固有布线决定，而我们的神经元网络的功能将通过与给定环境的交互形成。我们假设的网络学习过程基于生物学假设：具有神经元系统的生物倾向于避免持续不变的刺激，即它们喜欢环境的适度变化。例如，包括躲避危险的反射行为都可以用这个假设来解释。

我们将反射系统的恒定输入视为对它们的一种需求。环境会持续要求系统改变输出，直到输出令环境满意。如果输出模式与输入模式匹配，改变输出的需求就会消失。然后会给出不同的输入模式，因为神经元系统倾向于适度的刺激。持续向系统提供相同的输入，相当于告诉它们其输出不适合环境。采用这一学习原则后，单个神经元无需特殊的教师信号。

基于上述情况，我们模拟了一个由六个元素组成的神经元网络。其中四个元素用于网络的第一层，其余两个用于第二层。每个元素无论位置如何，都具有相同的定性特征。元素的输出根据其阈值和加权输入总和的关系，有两种可能状态：0 和 1。

本文的目的是展示如何通过与环境的交互构建电路，以及我们的假设在几种情况下是合理