%0 Journal Article
%T The Principle & Learning Algorithm of Nonlinear CC Neural Model<br>非线性CC神经元模型的原理及其学习算法
%A 黄金才
%A 陈文伟
%J 计算机科学
%D 2001
%I 
%X 1 M-P神经元模型的工作原理和几何意义 1943年,MoCulloch和Pitts根据神经元传递规律,第一次提出了神经元的数学模型。M-P神经元模型一直沿用至今,它对神经网络的发展起到了奠基性的作用。每个神经元的状态由M-P方程决定:S=f(∑W_iX_i-θ),θ为阈值,f为激励函数,一般取符号函数。令:它代表了n维空间中,以X为坐标变量,以W为坐标系数,θ为常数项的一个超平面。当 I(X)=sum from i=1 to n W_iX_i-θ=0样本点X落入超平面的正半区,即I(X)>0时,有f(I)=1;当样本点X落入超平面的负半区,即I(X)<0时,有f(I)=0。从分类的角度看,一个神经元按输入将
%K 非线性CC神经元模型
%K 学习算法
%K 神经网络
%K 数学模型
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=64A12D73428C8B8DBFB978D04DFEB3C1&aid=9640ED44C3402E91&yid=14E7EF987E4155E6&vid=D3E34374A0D77D7F&iid=708DD6B15D2464E8&sid=27746BCEEE58E9DC&eid=933658645952ED9F&journal_id=1002-137X&journal_name=计算机科学&referenced_num=2&reference_num=5