互联神经网络模型.doc

F互联神经网络模型 摘要 神经元主要由细胞体、树突、轴突和突触组成。它是多输入单输出的处理单元。其输出只取1和0这两个值，所以这是一个离散的神经网络。把人工神经元和生物神经元进行比较，则人工神经元的连接权重是模拟生物神经元突触的联接强度，累加器和传输函数则模拟生物神经元细胞体的功能，输出信号对应轴突的信号。 要建立一个完全互联的网络模型，首先要分析它的输入输出。根据题目中给出的三种神经元的不同输入方式可以将这三种神经元可分为2大类:第一类是运动神经元和中间神经元，他们的输入是神经元的脉冲；另一类是感觉神经元，他的输入是外界刺激。第一类神经元的输入包括其他神经元的脉冲输出信号{Yj}(j=1,···，n)和连接权重Wij乘积、外部输入Xj和之前随时间衰减累积的脉冲信号ci（ 有了输入输出的模型后，根据处于相同状态的两个神经元之间联接会加强，反之会减弱的规则运用Tebb学习规则来对权值Wij 通过以上建模可以得到一个离散的互联神经网络，其网络状态是输出神经元信息的集合。对于一个输出层是n个神经元的网络，其t时刻的状态为一个n维向量：Yt=[Y1t，Y2t，… 最后通过对学习速度、阈值进行赋值利用该模型解决图片去噪的功能，体现该神经网络的动力学行为，并且验证该模型的正确性。通过结果可以发现，利用该模型可以准确的对图片进行去噪，正确的识别分类。 关键字：Hopfield神经网络 Hebb学习规则 联想记忆 聚类分析 去噪 问题重述 从信息处理的角度来看，我们可以把一个生物神经元分成三个区域：树突区、始段和轴突。 树突区 这一区域包括中间神经元和运动神经元的树突和胞体上所有覆盖有突触的区域，也包括感觉神经元接受外界刺激的区域，这实际上就是神经元接收输入信息的区域。 对于中间神经元和运动神经元来说，其输入是来自本身或是其他网络中生物神经元的脉冲式的输出。当突触前末梢有神经冲动传来时，就会向突触间隙释放一定量的递质，而在突触后膜产生随时间作指数衰减的兴奋性后电位或是抑制性突出后电位。这里需要指出的是从突触前末梢传来的神经冲动，再到突触后膜开始产生电位变化，期间有一段时间约为1毫秒的延迟。 对于感觉神经元来说，其不同之处仅仅在于它的输入不是神经元的脉冲，而是外界的刺激，不妨设为随着时间变化的2倍的正弦函数值。 始段 由于神经元的胞体和树突几乎全部为突触前末梢所覆盖，只有始段裸露在外。而由任一突触的电位所引起的局部电流都要经过每一个始段而在此总和起来。但由于每一个生物神经元的始段与任意一个神经元的突触距离是不同的，所以要考虑在总和之前乘以不同的权值。而在始段的电位类似于感觉神经元的性质，只是此处的输入可以视作为电流在始段处加权后电流的总和。 轴突 轴突是每个神经元的输出端，其输出值只有0和1（即可用数学上的脉冲函数来表示），也就是上文所说的脉冲式的输出。而当输出值为1时，是因为始段的电位达到了该神经元的阀值，否则输出值为0。 问题： （1）如果有一个由三个生物神经元组成的完全互联的网络，根据以上的叙述建立该网络的模型。 （2）写出该网络模型计算机模拟的算法。 （3）分析对于不同的权值、阀值，所建立模型可能产生的各种动力学行为（既可以用数学理论说明，也可以用数值模拟演示）。 问题分析 问题1 神经网络是由大量的神经元互连而成的网络，按其拓扑结构来分，可以分为两大类：层次网络模型和互联网络模型。本题要求建立一个由三个生物神经元组成的完全互联的网络模型。在完全互联网络模型中，任意两个神经元之间都有相互连接的关系，而且神经元之间的连接都是双向的。 要建立该互联网络模型，首先对单个神经元进行分析。即分析它的输入输出。因为题目中给出了三种神经元：感觉神经元、、中间神经元、运动神经元。根据其输入的方式可以将这三种神经元可分为2大类：第一类是运动神经元和中间神经元，他们的输入是神经元的脉冲；另一类是感觉神经元，他的输入是外界刺激。然后分别讨论这两类神经元的输入和输出。 类比生物神经网络的工作机理：在突触的接受侧，信号被送入胞体，在胞体内进行综合，有的信息起刺激作用，有的起抑制作用，当胞体中接受的累加刺激超过一个阈值时，胞体被激发，此时它沿轴突通过树突向其它神经元发出信号。同时即使发出的信号是相同的，但这个信号可能对接受它的不同神经元有不同的效果，这一效果主要由突触决定：突触的“联结强度”越大，接受的信号就越强，反之，就越弱。在这里，用一个权值来模拟2个神经元之间的联结强度。 要建立该神经网络模型，也就是要给出输入输出对应的关系。神经元是多输入单输出的，其输入可分为来自本身或是其他网络中生物神经元的脉冲式的输出或外界的刺激。根据不同的输入求出总的输入，然后建立模型求出对应的输出。 问题2 本题需要针对我们对第一题所建立的模型进行模拟，形成程序算法。在