《脑认知与人工神经网络》由会员分享，可在线阅读，更多相关《脑认知与人工神经网络（30页珍藏版）》请在金锄头文库上搜索。
1、专题二 脑认知与人工神经网络,内 容,神经系统 神经系统及神经分布 神经元的基本结构和功能 神经冲动的传递 人工神经网络学习系统 工作原理 应用,生物神经网络,神经通讯是在神经系统，或神经元与效应器间传递信息的一种方式 神经系统的功能 控制和调节其它系统的活动，使人体成为一个有机的整体 维持机体与外环境间的统一 人类神经系统不仅适应环境，还能主观改造世界,神经系统及神经分布, 嗅神经 感觉性 视神经 感觉性 动眼神经 运动性 滑车神经 运动性 三叉神经 混合性 展神经 运动性 面神经 混合性 前庭蜗神经 感觉性 舌咽神经 混合性 迷走神经 混合性 副神经 运动性 舌下神经 运动性,连于中脑,连
2、于延髓,连于脑桥,连于端脑,连于间脑,十二对脑神经名称、性质,植物神经系统及其对内脏的调节,又称自主神经系统或植物神经系统。,内脏神经系统,交感神经,副交感神经,交感神经和副交感神经系统的功能,（一）神经元与神经传导,神经系统中担负神经传导的基本结构和功能单位是神经细胞，即神经元 神经元的结构组成 细胞体、树突与轴突 神经元通过以下途径完成信号传导 神经冲动(nerve Impulse) 突触传递(synapse transmission),神经元的基本构造树突与轴突树突 轴突短而分支 长/末端有分支（人的可长达1 m，鲸可达 10 m）无髓鞘 有髓鞘（外面包着充满磷脂的髓鞘）接受和传入刺激
3、传出神经冲动,神经元的结构,膝跳反射,实际上是两个神经元细胞分别联系着感受器（肌索）、效应器（横纹肌）,突触,轴突的末梢分支，是神经元传出神经冲动的终端; 突触组成：突触前膜、突触间隙、突触后膜,信息通过突触在神经元之间传递，突触是神经细胞和接受神经信号的细胞之间的连接处,（二）神经冲动的产生和传导,神 经 冲 动静息电位(resting potential) 神经纤维处于静息状态时，存在外正内负的电位差。 动作电位(action potential) 神经纤维受到足够强的刺激，Na+通道完全开放，膜电位提高到最高值。 神经冲动(nerve impulse) 动作电位沿神经纤维向远端传播，使整
4、个神经纤维依次兴奋。,（1）静息电位,神经元在静息状态时，即未接受刺激，未发生神经冲动时，细胞膜内积聚负电荷，细胞膜外积聚着正电荷，膜内外存在着70 mV电位差； 细胞膜上存在的 Na+,K+ATP泵是造成静息电位的原因之一,动作电位坐标图,当神经细胞受到刺激时，细胞膜的透性急剧变化，大量正离子（主要是 Na+）由膜外流向膜内，使膜两侧电位从 70 mV,一下子跳到 +35mV，这就是动作电位。动作电位的产生，意味神经冲动的产生。,(2) 动作电位,动作电位传播特点,“全或无” 刺激强度不够，不产生动作电位； 刺激达到或超过有效强度（阈值），动作电位恒定为 +35 mV。快速产生与传播 产生仅
5、需 1 ms； 从刺激点向两侧传播，速度可达 100 m/S。 不应期 产生动作电位需 1 ms；恢复到原来静息电位状态35ms； 受刺激后直至恢复到静息电位状态，总共46ms 这段时间内，神经细胞对新的刺激无反应，称为不应期。,神经冲动沿着轴突, 基本上都是按照引起邻段发生动作电位方式向远端传播，到了突触的地方，如何跨越两层细胞膜之间的空隙，传向后一个细胞?,（3）神经冲动在突触的传导,跨越细胞间隙传导神经冲动的两种方式 电突触 化学突触 膜间间隙 2 nm 20 nm 传导 电位 神经递质 逆向 可以 不可以 常见于 低等动物 高等动物 （蚯蚓、虾、海参等） (脊椎动物，人体),神经递质：
6、突触处释放化学物质，可与突触后细胞膜受体特异结合 如：乙酰胆碱、 正肾上腺素 、 氨基丁酸 、 5羟色胺 神经递质由突触前细胞释放，通过受体作用于突触后细胞，引起突触后细胞的反应,（4）神经递质及其效应,二、神经网络学习系统,模拟人类实际神经网络的数学方法称为神经网络 T.Koholen的定义：“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应 应用 系统辨识 模式识别 智能控制等领域,神经网络学习系统框图,基本原理 输入部接收外来的输入样本X，由训练部进行网络的权系数W调整，然后由输出部输出结果 在此过程中，期望的输出信
7、号（或真值）可以作为教师信号输入，由该教师信号与实际输出进行比较，产生的误差去控制修改权系数W,脑/脊髓,感觉纤维,信息,功能反应,运动纤维,感觉,运动,神经与网络学习系统的组成比较,Xl，X2，Xn，是输入样本信号，W1，W2，Wn是权系数。输入样本信号Xi可以取离散值“0”或“1”。输入样本信号通过权系数作用，在u产生输出结果 WiXi，即有： u=WiXi=W1X1+W2X2+WnXn再把期望输出信号Y(t)和u进行比较，从而产生误差信号e。即权值调整机构根据误差e去对学习系统的权系数进行修改，修改方向应使误差e变小，不断进行下去，使到误差e为零，这时实际输出值u和期望输出值Y(t)完全
8、一样，则学习过程结束,神经网络的学习要消耗时间，学习过程要多次重复，甚至达万次级 神经网络的权系数W有很多分量W1，W2，-Wn（多参数修改系统），系统的参数的调整就必定耗时耗量。 研究和实时控制中的关键：提高神经网络的学习速度，减少学习次数,基因预测的神经网络模型,人造神经元: 网络结(NN),5,真核生物基因结构,基因结构的神经网络.,基因预测的神经网络模型: GRAIL II,如何完成程序的“学习过程” ?,已知的基因,完整的基因组,1/2,1/2,培训学习 (sequence and annotation),验证(sequence),未知的基因,程序,选择合适的参数,Good pred
9、iction,一种计算机程序，需要用已知基因的序列对程序进行“培训”，以便能分析同类的新序列,机器学习是人工智能的核心研究领域之一 任何一个没有学习能力的系统都很难被认为是一个真正的智能系统 经典定义：利用经验改善系统自身的性能,机器学习：生物信息学,机器学习：网络安全,机器学习：搜索引擎,Google的成功，使得Internet 搜索引擎成为一个新兴的产业不仅有众多专营搜索引擎的公司出现（例如专门针对中文搜索的就有慧聪、百度等），而且Microsoft等巨头也开始投入巨资进行研发Google掘到的第一桶金，来源于其创始人Larry Page和Sergey Brin提出的PageRank算法 机器学习技术正在支撑着各类搜索引擎（尤其是贝叶斯学习技术）,机器学习的重要性,美国航空航天局JPL实验室的科学家在Science（2001年9月）上撰文指出：机器学习对科学研究的整个过程正起到越来越大的支持作用，该领域在今后的若干年内将取得稳定而快速的发展,
