神經網路原理:從神經元入門
1943 年,沃倫·麥卡洛克和沃爾特·皮茨提出「麥卡洛克-皮茨神經元」模型,
以數學邏輯模擬人腦運作,開啟了人工神經網路(ANN)的研究。
隨後,
1949 年 心理學家唐納德·赫布 提出「赫布學習法則」,
強調 神經元連結 會 隨著 使用 而 增強,成為神經網路理論的重要基礎。
而在
1957 年,Frank Rosenblatt 基於此開發了「感知器 ,Perceptron」,
首創 模擬人類感知 的 人工神經網路模型,
為現代 深度學習 和 AI 研究 奠定了基礎。
神經元概念介紹
神經元(Neuron)是構成神經網路的核心基礎單位,
其運作方式模擬生物神經細胞,用於接收、處理並傳遞訊息。
在生物系統中,神經元以網路形式緊密相連,形成高度複雜的神經系統,
協同完成感知、記憶、運算等各種大腦功能。
而在人工神經網路中,神經元則以數學模型重現這一運作過程,
透過計算幫助電腦進行智能化運算。
神經元的結構基本可分為以下 4 個環節:
1.樹突(Dendrites)
樹突負責接收來自其他神經元的訊號,並將這些訊息傳遞到
神經元內部進行處理。它就像神經元的「天線」,接收外界輸入。
2.細胞體(Soma)
細胞體 是神經元的「決策中心」,負責整合來自樹突的訊號,
篩選和處理資訊,決定是否觸發反應。
3.軸突(Axon)
軸突是神經元的「傳輸管道」,將處理後的訊號以電訊號的形式
傳遞至其他神經元,完成資訊的輸出。
4.突觸(Synapse)
突觸是神經元與神經元之間的「橋樑」,負責傳遞訊號。
它可調整訊號的強弱,這種可塑性對於 學習 和 記憶 至關重要。
而這些結構環環相扣,共同構成生物神經元的運作機制,
為神經網路的設計提供了參考模型。