生物神經元模型

2004年10月17日

首頁
何謂類神經網路
腦生理學
生物神經元模型
人工神經元模型
類神經網路基本架構
類神經網路運作過程
類神經網路的特性

 

 

了解了生物神經細胞的作用及功能後,我們繼續對生物神經細胞的組成及構造加以說明。

 

1是一個典型生物神經細胞模型。這種模型,多年來大大的影響了"類神經網路"計算的演進。圖1所示是一種水蛭動物的神經細胞,這種神經細胞與人類的神經細胞很近似,只是其相互間節點較少。

 

1 典型神經細胞結構圖

 

1中繪有兩個神經細胞,每個神經細胞主要由:(1)神經細胞核(Soma)、(2)神經軸(Axon)、(3)神經樹(Dendrites)、(4)神經節(Synapses)等四部分構成。底下,我們依序介紹此四部份。

 

1.          1.  神經細胞核(Soma

它是神經細胞的中心體,它的作用,目前並沒有完全徹底的了解,大概是將神經樹收集到的信號,在此作加總後再作一次非線性轉換,再由神經軸將信號傳送到其它的神經細胞中。

 

2.          2.  神經軸(Axon

連接在神經細胞核上,用來傳送由神經細胞核產生的信號至其它的神經細胞中。

 

3.          3.  神經樹(Dendrites

神經樹非為兩種:輸入神經樹及輸出神經樹。在圖1中左邊接到神經核的神經樹是用來接收其他神經細胞傳來的信號,稱為輸入神經樹。而在圖1右側接到神經軸的神經樹是用來傳送信號至其它神經細胞,稱為輸出神經樹。所以我們可以說:神經樹是神經細胞呈樹枝狀的輸出入機構。

 

4.          4.  神經節(Synapse

輸入神經樹和輸出神經樹相連接的點稱為神經節,如圖1中以小圓圈框起來的接點即是。每個神經細胞大約有1000個神經節。神經節是神經網路上的記憶體,它表示兩個神經細胞間的聯結強度,我們將此聯結強度以一個數值來表示,並稱之為加權值(weight)。

 

一般言之,當神經網路在進行學習時,外界刺激神經細胞所產生的電流會去改變神經節上的加權值,在學習過程中,外界刺激所產生的電流反覆在神經網路上流動,神經節上的加權值也反覆地改變,最後會慢慢的趨向穩定,此時即表示學習已告完成。若神經網路是處於認知或辨識的過程中,由外界刺激所產生的電流,在進入神經網路後,會與貯存在神經節上的加權值作簡單的運算處理,若處理後的信號為可辨識的信號,則外界事物便是神經網路可認知或辨識的的事物了。

 

神經網路計算與數位電腦的比較

 

我們已知大腦皮層(cerebral cortex,主管思考辨識的組織)大約含有1011個神經細胞,而每個神經細胞大約有1000個神經節,因此在大腦皮層中,就大約有1014個神經節點。前已說明神經節點是用來記憶知識的,由此可知,人腦的記憶能力相對於目前電腦的主記憶體大小,真是大了許多。

 

根據神經細胞電化學家實驗發現,神經網路上電流傳送速度,大約是每秒激發100次,於是每秒在大腦皮層中的知識交換便達1016次之多,這種數量級的運算實在非常驚人。所以雖然每個神經細胞的運算是非常的簡單,但是當這麼多的運算同時進行時,所作的運算卻是非常的可觀,這就是為什麼神經網路可以進行思考與智慧運算的原因了。相對於目前數位電腦的運算速度,目前數位電腦的運算能力真是無法與神經網路相比擬。

 

首頁 | 何謂類神經網路 | 腦生理學 | 生物神經元模型 | 人工神經元模型 | 類神經網路基本架構 | 類神經網路運作過程 | 類神經網路的特性

上次更新此站台的日期: 2004年10月17日