Programación de redes neuronales basada en matlab o C#

1.?Modelo de neurona artificial (neurona artificial)

La neurona artificial es el elemento básico de la red neuronal y su principio se puede representar mediante la siguiente figura:

En la figura, x1 ~ xn son señales de entrada de otras neuronas, wij representa el peso de la conexión de la neurona j a la neurona i, y θ representa un umbral o sesgo. Entonces, la relación entre la salida y la entrada de la neurona i se expresa como:

En la figura, yi representa la salida de la neurona i, y la función f se llama función de activación (Función de activación) o función de transferencia ( Función de transferencia), net Se llama activación neta. Si el umbral se considera como el peso wi0 de una entrada x0 de la neurona i, la fórmula anterior se puede simplificar a:

Si se usa X para representar el vector de entrada, W se usa para representar el vector de peso , es decir:

p>

X = [ x0 , x1 , x2 , ..... , xn ]

Entonces la salida de la neurona se puede expresar como multiplicación de vectores:

Si la red neta de activación de una neurona es positiva, se dice que la neurona está en estado activado o excitado (fuego). Si la red neta de activación es negativa, se dice que la neurona. estar en un estado inhibidor.

El modelo de neurona de "suma ponderada de umbral" de la Figura 1 se denomina modelo M-P (modelo McCulloch-Pitts), también conocido como unidad de procesamiento (PE, elemento de procesamiento) de la red neuronal.