更改

====神经元（Neurons）====

====神经元（Neurons）====

一个有标记<math>{j}</math> 的神经元从前驱神经元接收输入 <math>p_{j}(t)</math> ，这些前驱由下面的部分组成：

一个有标记<math>{j}</math> 的神经元从前驱神经元接收输入 <math>{p_j}(t)</math> ，这些前驱由下面的部分组成：

* 一个''激活'' <math>a_i(t)</math>, 取决于一个离散时间参数，

* 一个''激活'' <math>{a_j}(t)</math>, 取决于一个离散时间参数，

* 可能有一个''阈值'' <math>\theta_i</math>, 保持不变除非被学习函数改变,

* 可能有一个''阈值'' <math>\theta_j</math>, 保持不变除非被学习函数改变,

* 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   

* 一个''激活函数'' <math>f</math> ，从 <math>a_j(t)</math>, <math>\theta_j</math>和网络输入<math>{p_j}(t)</math> 计算在给定时间<math>{t+1}</math>新的激活   

: <math> a_i(t+1) = f(a_i(t), p_i(t), \theta_i) </math>,

: <math> {a_j}(t+1) = f({a_j}(t), {p_j}(t), \theta_j) </math>,

* 和一个 ''输出函数'' <math>f_{out}</math> 计算从激活的输出

* 和一个 ''输出函数'' <math>f_{out}</math> 计算从激活的输出

: <math> o_i(t) = f_{out}(a_i(t)) </math>.

: <math> {o_j}(t) = f_{out}({a_j}(t)) </math>.

通常输出函数只是简单的[https://en.wikipedia.org/wiki/Identity_function 恒等函数]

通常输出函数只是简单的[https://en.wikipedia.org/wiki/Identity_function 恒等函数]