The Principle & Learning Algorithm of Nonlinear CC Neural Model
非线性CC神经元模型的原理及其学习算法

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