更改
跳到导航
跳到搜索
第80行：
第80行： − A neuron with label <math>i</math> receiving an input <math>p_j(t)</math> from predecessor neurons consists of the following components:+ − + − + − + − + − + − + − Often the output function is simply the [[Identity function]].+
→神经元（Neurons）
====神经元（Neurons）====
====神经元（Neurons）====
一个有标记<math>i</math> 的神经元从前驱神经元接收输入 <math>p_i(t)</math> ，这些前驱由下面的部分组成：
* an ''activation'' <math>a_j(t)</math>, depending on a discrete time parameter,
* 一个''激活'' <math>a_i(t)</math>, 取决于一个离散时间参数，
* possibly a ''threshold'' <math>\theta_j</math>, which stays fixed unless changed by a learning function,
* 可能有一个''阈值'' <math>\theta_i</math>, 保持不变除非被学习函数改变,
* an ''activation function'' <math>f</math> that computes the new activation at a given time <math>t+1</math> from <math>a_j(t)</math>, <math>\theta_j</math> and the net input <math>p_j(t)</math> giving rise to the relation
* 一个''激活函数'' <math>f</math> ，从 <math>a_i(t)</math>, <math>\theta_i</math>和网络输入<math>p_i(t)</math> 计算在给定时间<math>t+1</math>新的激活
: <math> a_j(t+1) = f(a_j(t), p_j(t), \theta_j) </math>,
: <math> a_i(t+1) = f(a_i(t), p_i(t), \theta_i) </math>,
* and an ''output function'' <math>f_{out}</math> computing the output from the activation
* 和一个 ''输出函数'' <math>f_{out}</math> 计算从激活的输出
: <math> o_j(t) = f_{out}(a_j(t)) </math>.
: <math> o_i(t) = f_{out}(a_i(t)) </math>.
通常输出函数只是简单的【恒等函数】
一个“输入神经元”没有前驱，但作为整个网络的输入接口。同样地，一个“输出神经元”没有后继而作为整个网络的输出接口。
一个“输入神经元”没有前驱，但作为整个网络的输入接口。同样地，一个“输出神经元”没有后继而作为整个网络的输出接口。