机器学习入门--神经元模型

人工神经元模型

我们高中都学习过神经元大概是个什么样子。通常是由一个神经细胞都有树突、轴突、细胞核等等。树突可以接受其他神经元传来的信号，然后对这些信号进行一下处理传递给下一个神经元。

在这里我们通过一个数学模型来描述一下这个过程。

在上面这副图里面、…这些带表神经元从前面的神经元所接受到的信号；、…表示权重即表示这个输入对输出有多大的影响，有一个函数f(*)表示神经元对于信号的处理过程；是输出打下一个神经元的信号。除此之外输入之中有一个特殊的=-1。这是为什么呢？我们知道学过神经元只有接收的信号大于一档程度时，神经元才会被激活。在这里就是这个作用，输入的信号不够大时，这个神经元就不会被激活。也有一个权重θ。

神经元会将输入x和起对应的权重w相乘然后再将其相加得到一个总输入，数学表达式是：

然后这个值会被当作激活函数f(*)的自变量得到输出yi：

说到这其实大家对于这个神经元进行的计算过程有了一定的了解了。神经元其实就是一个有着n个变量的方程。给定n个输入，然后神经元给出一个输出。

现在我们将输入x和权重w用矩阵表示：