过程神经元与过程神经网络模型.docVIP

过程神经元与过程神经网络模型 1 过程神经元的定义 过程神经元是由过程输入信号加权，时间、空间二维聚合和阈值激励输出等四部分运算组成。与传统神经元M-P模型不同之处在于过程神经元的输入和连接权都可以是时变函数，过程神经元增加了一个对于时间的聚合算子，从而其聚合运算既包含对输入信号的空间加权聚集，亦有对时间过程效应的累积。过程神经元模型的结构如图3.1所示。 图3.1 过程神经元一般模型 图3.1中，为过程神经元的时变输入函数；为相应的连接权函数；为过程神经元的聚合核函数；f (·)为激励函数，可取线性函数、Sigmoid函数、Gauss型函数等等。 按照空间聚合与时间聚合顺序的不同，过程神经元可分为两类基本数学描述模型，其输入与输出之间的关系分别为： 模型Ⅰ： （3.1） 其中，为输入函数向量，为相应的连接权函数向量，为输出，为激活阈限，“∑”表示某种空间聚合运算（例如，加权和），“∫”表示某种时间聚合运算（例如，对t积分）。 式（3.1）表示的过程神经元对外部时变输入信号先进行时间加权聚合，即先分别考虑各个时变输入信号对系统输出的加权时间累积效应，然后再考虑这些时间累积效应的空间聚合作用，最后通过激励函数的计算输出结果。其结构如图3.2所示。 图3.2 过程神经元模型Ⅰ 模型Ⅱ：