人工智能:神经细胞模型到神经网络模型
人工智能领域中的重要流派之一是:从神经细胞模型(Neural Cell Model)到神经网络模型(Neural Network Model)。
一、神经细胞模型
第一个人工神经细胞模型是“MP”模型,它是由麦卡洛克、匹茨合作,于1943年研究成功的,这是关于神经细胞模型的奠基性工作,因而人们认为它是从脑的生物原型出发探讨人工智能的开创性成果。
“MP”模型从微观上对脑的基本单元——神经细胞的下列特性进行了模拟:
1.神经细胞的“兴奋”“抑制”两种状态,认为神经细胞的活动遵守“全或无”定律。
2.神经细胞之间的“突触”联系,分为兴奋型突触、抑制型突触。
3.神经细胞的输入、输出、多输入、单输出。输入称为“树突”,输出称为“轴突”。
4.神经细胞的空间整合作用,对不同输入端传入细胞的神经电脉冲进行信号处理。
5.神经细胞的阈值效应,当输入电脉冲的时空整合结果,使细胞膜电位升高超过阈值时,细胞兴奋,产生输出冲动。
在“MP”模型的基础上,克里纳(S.C.Kleene)等学者进一步发展与完善,研制了带有反馈的闭环神经细胞模型,在神经细胞模型的基本逻辑阈值元件的基础上,发展了“自动机理论”(Automata)。
改进的神经细胞模型,考虑了神经细胞“结构可塑性”,即突触联结系数的可变性,神经细胞之间的联结强度的可调节性。1949年,心理学家荷布(D.O.Hebb)在其著作《组织行为》(Organization Behavior)中指出,当神经细胞参与某种心理活动时,细胞之间的联结通路的信息传导能力将会增强,即所谓“Hebb学习规则”。此外,他还考虑了神经细胞对输入信号的时间整合作用、突触延时、不应期等。利用改进的神经细胞模型,可以研究神经细胞的学习功能、遗传特性、疲劳效应。
二、神经网络模型
在神经细胞模型的基础上,可进一步研究各种神经网络模型,或称为“脑模型”。
50年代末到60年代初,曾出现过人工神经网络或脑模型研究的第一次高潮,例如:
“感知机”(Perceptron),是1957年由罗森勃拉特(F.Rosenblatt)等研制的,具有视觉感知与分类学习功能,最早的、最著名的脑模型。
简单感知机为三层结构:
1.输入层:感受神经网络。
2.联系层:中枢神经网络。
3.输出层:效应神经网络。
通过示教学习与样本训练,采用对“刺激—反应”的奖惩方式,感知机可以进行某些简单的文字识别、图像识别、声音识别。
在60年代初期,感知机曾盛行一时,据估计有近百个研究机构和公司,从事各种类型的感知机的研究和开发工作,进行文字、图像、声音识别的实验,例如,Mark I、Mark Ⅱ等。
但是,由于简单感知机在原理和功能上的局限性,对复杂图像的感知能力低,对非线性分类识别问题缺乏有效学习方法,以及受到当时电子技术水平的限制,人们对感知机的过高期望没有得到实现。
1969年,美国麻省理工学院(MIT)出版了关于感知机的专著《Perceptrons:An Introduction to Computational Geometry》,作者为明斯基(M.L.Minsky)等,对简单感知机的研究结果进行了总结与系统的分析,指出简单感知机有严重的缺陷,无法识别线性不可分的模式,即使简单的异或问题,也无能为力。这种批评更促使感知机与神经网络的研究在70年代落入了低潮。
但是,仍有不少学者在困难条件下坚持人工神经网络的研究。例如:1969年,日本学者中野提出了“联想机”(Associatron);1972年,永野研究了“多层学习脑模型”;1973年,福岛提出了“认知机”(Cognitron)。
此外,除了从微观仿生学观点研究上述基于阙逻辑元件的神经网络,还有从宏观仿生学观点研究的人工神经网络,例如:1961年,德国学者斯泰布什(Steinbuch)提出的“学习矩阵”;1963年,李(Lee)提出的“人造神经元”(Artron)“拟神经元”(Neurotron)等。
80年代初期,人工神经网络的研究开始复苏。
1982年,荷普菲尔德(J.Hopfield)提出一种新的全互连型的人工神经网络,被称为“Hopfield网络”,引入所定义的能量函数,成功地求解了计算复杂度为NP完全型的“旅行商”问题。这项突破性的进展,再度唤起了人们对神经网络的研究热情。
1983年,欣顿(J.Hinton)、谢诺夫斯基(T.Sejnowski)研制出“Boltzman机”。基于这种神经网络模型,采用“模拟退火”方法,求解非线性动力学系统的优化问题,可以使系统从局部极小状态跳出,趋向于全局极小状态。
1986年,鲁姆哈特(D.Rumelhart)和麦卡兰德(J.Mc Clelland)发表了他们主编的“PDP”研究报告(Parall Distributing Processing-Explorations in the Microstructures of Cognition),公布了基于人工神经网络的并行分布处理的新进展,提出了关于认知过程的微结构理论。
同时,鲁姆哈特、维伯斯(P.Werbos)等研制出新一代的多层感知机,称之为反向传播神经网络(Back Propagation),简称“BP”网络。其中,在简单感知机上增加了中枢神经网络的联系层数,以构成多层感知机,并且采用反向传播的学习算法,利用反馈信息进行层间误差修正,从而突破了简单感知机的局限性,提高了多层感知机的识别能力,可用于求解非线性感知与复杂模式识别问题。
1986年,人工神经网络的又一项新进展是:自适应共振理论ART,它是由格罗斯伯格(S.Grossberg)、卡彭特(G.Carpenter)提出的。他们所研制的ART神经网络,具有良好的自适应特性。
1987年,首届国际人工神经网络学术大会在美国的圣迭戈(San-Diego)举行,在大会期间成立了国际神经网络协会(International Neural Netuork Society)简称INNS,掀起了人工神经网络研究的第二次高潮。
转自:人工智能:神经细胞模型到神经网络模型
相关文章:

人工智能:神经细胞模型到神经网络模型
人工智能领域中的重要流派之一是:从神经细胞模型(Neural Cell Model)到神经网络模型(Neural Network Model)。 一、神经细胞模型 第一个人工神经细胞模型是“MP”模型,它是由麦卡洛克、匹茨合作࿰…...

Redisson分布式锁实战
实战来源 此问题基于电商 这周遇见这么一个问题,简略的说一下 由MQ发布了两个消息,一个是订单新增,一个是订单状态变更 由于直接付款之后,这两个消息的发布时间不分先后,可能会造成两种情况,1、订单状态变更…...

JavaScript中循环遍历数组、跳出循环和继续循环
循环遍历数组 上个文章我们简单的介绍for循环,接下来,我们使用for循环去读取数据的数据,之前我们写过这样的一个数组,如下: const ITshareArray ["张三","二愣子","2033-1997","…...
Java——》Synchronized和Lock区别
推荐链接: 总结——》【Java】 总结——》【Mysql】 总结——》【Redis】 总结——》【Kafka】 总结——》【Spring】 总结——》【SpringBoot】 总结——》【MyBatis、MyBatis-Plus】 总结——》【Linux】 总结——》【MongoD…...

JDK20 + SpringBoot 3.1.0 + JdbcTemplate 使用
JDK20 SpringBoot 3.1.0 JdbcTemplate 使用 一.测试数据库 Postgres二.SpringBoot项目1.Pom 依赖2.配置文件3.启动类4.数据源配置类5.实体对象类包装类6.测试用实体对象1.基类2.扩展类 7.测试类 通过 JdbcTemplate 直接执行 SQL 语句,结合源码动态编译即可方便实现…...

CTFhub_SSRF靶场教程
CTFhub SSRF 题目 1. Bypass 1.1 URL Bypass 请求的URL中必须包含http://notfound.ctfhub.com,来尝试利用URL的一些特殊地方绕过这个限制吧 1.利用?绕过限制urlhttps://www.baidu.com?www.xxxx.me 2.利用绕过限制urlhttps://www.baidu.comwww.xxxx.me 3.利用斜…...
【华为OD机试】单词接龙【2023 B卷|100分】
【华为OD机试】-真题 !!点这里!! 【华为OD机试】真题考点分类 !!点这里 !! 题目描述: 单词接龙的规则是:可用于接龙的单词首字母必须要前一个单词的尾字母相同; 当存在多个首字母相同的单词时,取长度最长的单词,如果长度也相等, 则取字典序最小的单词;已经参与接龙…...
如何优雅的实现无侵入性参数校验之spring-boot-starter-validation
在开发过程中,参数校验是一个非常重要的环节。但是,传统的参数校验方法往往需要在代码中手动添加大量的 if-else 语句,这不仅繁琐,而且容易出错。为了解决这个问题,我们可以使用无侵入性参数校验的方式来简化代码并提高…...

企业架构LNMP学习笔记27
Keepalived的配置补充: 脑裂(裂脑):vip出现在了多台机器上。网络不通畅,禁用了数据包,主备服务器没法通讯,造成备服务器认为主服务器不可用,绑定VIP,主服务器VIP不会释放…...

品牌策划经理工作内容|工作职责|品牌策划经理做什么?
一位美国作家曾说过“品牌是一系列期望、记忆、故事和关系,他们共同构成了消费者最终原则一个产品或者服务的原因。” 所以,品牌经理这个岗位主要是创造感知价值主张,激发消费者购买这个品牌后带来的感知价值,这种回报的本质相对…...

【设计模式】三、概述分类+单例模式
文章目录 概述设计模式类型 单例模式饿汉式(静态常量)饿汉式(静态代码块)懒汉式(线程不安全)懒汉式(线程安全,同步方法)懒汉式(线程安全,同步代码块)双重检查静态内部类枚举单例模式在 JDK 应用的源码分析 …...
手把手教学 Springboot+ftp+下载图片
简单教学,复制即用的Ftp下载图片 引入配置包 <dependency><groupId>commons-fileupload</groupId><artifactId>commons-fileupload</artifactId><version>1.3.1</version></dependency><dependency><grou…...
LaaS LLM as a service
LaaS LLM as a service 核心构成GPT 产业链如何进行商业化LLM(Large Language Model) 发展和趋势LLM(Large Language Model) 对于行业公司的分层LLM(Large Language Model) 的机遇和挑战 LaaS LLM as a service 核心构成 计算:算力模型:算法输入&…...

数据结构与算法(一)数组的相关概念和底层java实现
一、前言 从今天开始,笔者也开始从0学习数据结构和算法,但是因为这次学习比较捉急,所以记录的内容并不会过于详细,会从基础和底层代码实现以及力扣相关题目去写相关的文章,对于详细的概念并不会过多讲解 二、数组基础…...

歌曲推荐《最佳损友》
最佳损友 陈奕迅演唱歌曲 《最佳损友》是陈奕迅演唱的一首粤语歌曲,由黄伟文作词,Eric Kwok(郭伟亮)作曲。收录于专辑《Life Continues》中,发行于2006年6月15日。 2006年12月26日,该曲获得2006香港新城…...

多元共进|科技促进艺术发展,助力文化传承
科技发展助力文化和艺术的传播 融合传统与创新,碰撞独特魅力 一起来了解 2023 Google 开发者大会上 谷歌如何依托科技创新 推动艺术与文化连接 传承和弘扬传统文化 自 2011 年成立以来,谷歌艺术与文化致力于提供体验艺术和文化的新方式,从生成…...

Java集合(Collection、Iterator、Map、Collections)概述——Java第十三讲
前言 本讲我们将继续来讲解Java的其他重要知识点——Java集合。Java集合框架是Java编程语言中一个重要的部分,它提供了一套预定义的类和接口,供程序员使用数据结构来存储和操作一组对象。Java集合框架主要包括两种类型:一种是集合(Collection),存储一个元素列表,…...
topscoding主题库模板题
目录 模板题 【模板题】分因数(P1101) 【模板题】区间素数 III(P1113) 进制转换 III (任意转任意) (P2463) AB Problem(高精度加法) A-B Problem(高精度减法&…...

Linux--进程间通讯--FIFO(open打开)
1. 什么是FIFO FIFO命名管道,也叫有名管道,来区分管道pipe。管道pipe只能用于有血缘关系的进程间通信,但通过FIFO可以实现不相关的进程之间交换数据。FIFO是Linux基础文件类型中的一种,但是FIFO文件在磁盘上没有数据块,…...

哪里可以了解轻量的工作流引擎?
如果想要实现高效率的办公,可以使用轻量的工作流引擎低代码技术平台。随着工作量日益繁重起来,传统的办公制作方式已经无法满足现实需要的,采用轻量级的表格制作工具,就能在无形中缓解办公压力,创造更高效、灵活、优质…...
线程同步:确保多线程程序的安全与高效!
全文目录: 开篇语前序前言第一部分:线程同步的概念与问题1.1 线程同步的概念1.2 线程同步的问题1.3 线程同步的解决方案 第二部分:synchronized关键字的使用2.1 使用 synchronized修饰方法2.2 使用 synchronized修饰代码块 第三部分ÿ…...
【磁盘】每天掌握一个Linux命令 - iostat
目录 【磁盘】每天掌握一个Linux命令 - iostat工具概述安装方式核心功能基础用法进阶操作实战案例面试题场景生产场景 注意事项 【磁盘】每天掌握一个Linux命令 - iostat 工具概述 iostat(I/O Statistics)是Linux系统下用于监视系统输入输出设备和CPU使…...
工程地质软件市场:发展现状、趋势与策略建议
一、引言 在工程建设领域,准确把握地质条件是确保项目顺利推进和安全运营的关键。工程地质软件作为处理、分析、模拟和展示工程地质数据的重要工具,正发挥着日益重要的作用。它凭借强大的数据处理能力、三维建模功能、空间分析工具和可视化展示手段&…...
汇编常见指令
汇编常见指令 一、数据传送指令 指令功能示例说明MOV数据传送MOV EAX, 10将立即数 10 送入 EAXMOV [EBX], EAX将 EAX 值存入 EBX 指向的内存LEA加载有效地址LEA EAX, [EBX4]将 EBX4 的地址存入 EAX(不访问内存)XCHG交换数据XCHG EAX, EBX交换 EAX 和 EB…...
精益数据分析(97/126):邮件营销与用户参与度的关键指标优化指南
精益数据分析(97/126):邮件营销与用户参与度的关键指标优化指南 在数字化营销时代,邮件列表效度、用户参与度和网站性能等指标往往决定着创业公司的增长成败。今天,我们将深入解析邮件打开率、网站可用性、页面参与时…...

CVE-2020-17519源码分析与漏洞复现(Flink 任意文件读取)
漏洞概览 漏洞名称:Apache Flink REST API 任意文件读取漏洞CVE编号:CVE-2020-17519CVSS评分:7.5影响版本:Apache Flink 1.11.0、1.11.1、1.11.2修复版本:≥ 1.11.3 或 ≥ 1.12.0漏洞类型:路径遍历&#x…...

Web后端基础(基础知识)
BS架构:Browser/Server,浏览器/服务器架构模式。客户端只需要浏览器,应用程序的逻辑和数据都存储在服务端。 优点:维护方便缺点:体验一般 CS架构:Client/Server,客户端/服务器架构模式。需要单独…...
人工智能--安全大模型训练计划:基于Fine-tuning + LLM Agent
安全大模型训练计划:基于Fine-tuning LLM Agent 1. 构建高质量安全数据集 目标:为安全大模型创建高质量、去偏、符合伦理的训练数据集,涵盖安全相关任务(如有害内容检测、隐私保护、道德推理等)。 1.1 数据收集 描…...

基于江科大stm32屏幕驱动,实现OLED多级菜单(动画效果),结构体链表实现(独创源码)
引言 在嵌入式系统中,用户界面的设计往往直接影响到用户体验。本文将以STM32微控制器和OLED显示屏为例,介绍如何实现一个多级菜单系统。该系统支持用户通过按键导航菜单,执行相应操作,并提供平滑的滚动动画效果。 本文设计了一个…...
简单介绍C++中 string与wstring
在C中,string和wstring是两种用于处理不同字符编码的字符串类型,分别基于char和wchar_t字符类型。以下是它们的详细说明和对比: 1. 基础定义 string 类型:std::string 字符类型:char(通常为8位)…...