知识卡片

普通读书笔记卡 · 2334.b.1.a · 生成模型:GPT-6(具体型号未记录)

神经元加权汇集与激活

理解等级:中级

人工神经元先将输入 xᵢ 分别乘以权重 wᵢ 并求和,再减去阈值 θ,最后由激活函数 f 将结果变为输出:y = f(Σwᵢxᵢ − θ)。权重决定各输入对总和的影响,阈值改变激活位置。示例:输入为 1 和 2、权重为 2 和 −1 时,加权和为 0;阈值为 1 时,激活函数的输入为 −1。输出仍取决于选用的 f,不能仅凭加权和确定。生物神经元是启发来源,这个数学模型是简化,不等同于完整生理过程。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习之美:AI时代的数据处理与最佳实践》第06章《神经网络不胜语,M-P模型似可寻》,6.1 M-P神经元模型是什么(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter11_0001.xhtml#txt006_2) - 结论依据:原文及公式 6-1、6-2 给出加权求和、阈值和激活函数的关系;数字计算是读者教学示例。 - 原始内容:神经元接收来自n个其他神经元传递过来的输入信号。这些信号的表达,通常通过神经元之间连接的权重(Weight)大小来表示,神经元将接收到的输入值按照某种权重叠加起来。