9号看书网

手机浏览器扫描二维码访问

第13章 感知机和MP模型（第2页）

简单，却是“人工神经网络”

的基石，很多“机器学习”

算法，比如支持向量机（SVM）、深度学习、D-QLearning、生成对抗网络（GAN）……都是在其基础上才发展出来的。

在另一个世界，“感知机”

的概念诞生于1957年，由Cornell航空实验室的FrankRosenblatt提出。

本质上是一个线性分类模型，用于解决二元线性分类问题，对应于输入空间中将实例划分为两类的分离超平面，是最简单的前馈人工神经网络。

好吧，说人话。

简单点说，感知机就是一个算法，通过大量训练，可以让电脑掌握某种规则，然后按照这种规则，将输入的数据分成两类。

如果输入的数据空间只有两个维度，将其视作平面直角坐标系，那么“感知机”

的图像，其实就是一根直线。

“感知机”

虽然简单，还是有点用的。

比如经过训练后，输入身份证号，就能帮你判断出是男是女；比如输入身高和体重，就能判断是否超重……

可能有人会问：随便写个程序，不是很简单就能实现这些功能吗？

但感知机的神奇之处，在于使用同样结构的程序，就能在很多领域里通用，而不用针对性编程。

这是机器学习和常规编程的本质区别。

感知机结构异常简单，工作原理也不复杂，但要想写成论文，也需要进行一些数学推导，以及前置理论。

“感知机”

是建立在M-P模型的基础上的。

生物的神经细胞结构，主要由树突、突触、细胞体及轴突组成。

单个神经细胞有两种状态：激活或者未激活。

神经细胞是否激活，取决于从其它的神经细胞收到的输入信号量，及突触的强度（抑制或加强）。

当信号量总和超过了某个阈值时，神经元就会激活，产生电脉冲，电脉冲会沿着轴突并通过突触传递到其它神经元……

M-P模型就是模拟生物神经元的工作机制，创建出来的一种数学模型，采用阈值加权和与激活函数来控制信息传导过程，是生物神经元的一种简单抽象。

如果M-p模型的相关论文尚未发表，江寒就需要自己推导，并将其容纳进自己的论文里，否则难以自圆其说。

在写论文前，必须扫清障碍，接下来江寒就开始在网上寻找论文和线索。

功夫不负有心人，江寒几经周折，终于在一个学术网站，找到了那篇讲述M-P模型的论文：《Alogicalcalculusoftheideasimmanentinnervousactivity》。

这篇论文发表也有几十年了，却没在这个世界引起多少关注，引用数更是少得可怜，不过也幸好如此，否则哪轮得到自己来引领时代风骚？

江寒重生前就看过这篇论文，但那时候并没怎么细心揣摩，只是一扫而过，现在为了写出合格的SCI论文，自然要好好琢磨了。

他找来一个只写了两、三页的日记本，边刷论文边记录要点和心得，论文里遇到的术语，如果不十分理解，还要上网寻找文献和参考资料，还要确定来源是否可靠……