3．1生物神经元及生物神经网络突触传递信息的功能和特点归纳为：3．1．2人脑神经网络系统3．1．3人脑神经网络信息处理的特点1．分布存储与冗余性2．并行处理3．信息处理与存储合一4．可塑性与自组织性5．鲁棒性3．2人工神经网络3．2．1人工神经元模型归纳一下生物神经元传递信息的过程：生物神经元是一个多输入、单输出单元。常用的人工神经元模型可用图3－3模拟。根据响应函数的不同，人工神经元有以下几种类型：1、阈值单元上述模型能反映生物神经元的基本特性，但还有如下不同之点：(1)生物神经元传递的信息是脉冲，而上述模型传递的信息是模拟电压。(2)由于在上述模型中用一个等效的模拟电压来模拟生物神经元的脉冲密度，所以在模型中只有空间累加而没有时间累加(可以认为时间累加已隐含在等效的模拟电压之中)。(3)上述模型未考虑时延、不应期和疲劳等。3．2．2人工神经网络的构成神经元的模型确定之后，一个神经网络的特性及能力主要取决于网络的拓扑结构及学习方法。人工神经网络连接的几种基本形式：1．前向网络网络中的神经元是分层排列的，每个神经元只与前一层的神经元相连接。2．从输出到输入有反馈的前向网络3．层内互连前向网络4．互连网络3．2．3人工神经网络的学习学习方法是人工神经网络研究中的核心问题。人工神经网络连接权的确定通常有两种方法：一种是根据具体要求：直接计算出来，如Hopfield网络作优化计算时就属于这种情况；另一种是通过学习得到的，大多数人工神经网络都用这种方法。1．Hebb学习规则是DonallHebb根据生理学中条件反射机理，于1949年提出的神经元连接强度变化的规则。如果两个神经元同时兴奋(即同时被激活)，则它们之间的突触连接加强。2．误差校正规则用已知样本作为教师对网络进行学习。3．相近学习规则3．2．4人工神经网络与生物神经网络的比较1．单元上的差别2．信息上的差别3．规模与智能上的差别1、阈值单元上述模型能反映生物神经元的基本特性，但还有如下不同之点：(1)生物神经元传递的信息是脉冲，而上述模型传递的信息是模拟电压。(2)由于在上述模型中用一个等效的模拟电压来模拟生物神经元的脉冲密度，所以在模型中只有空间累加而没有时间累加(可以认为时间累加已隐含在等效的模拟电压之中)。(3)上述模型未考虑时延、不应期和疲劳等。