脑认知与人工神经网络优秀PPT.ppt

《脑认知与人工神经网络优秀PPT.ppt》由会员分享，可在线阅读，更多相关《脑认知与人工神经网络优秀PPT.ppt（30页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、脑认知与人工神经网络现在学习的是第1页，共30页内内 容容n神经系统神经系统n神经系统及神经分布n神经元的基本结构和功能n神经冲动的传递n人工神经网络学习系统人工神经网络学习系统n工作原理n应用现在学习的是第2页，共30页生物神经网络n神经通讯是在神经系统，或神经元与效应器间传递信息的一种方式n神经系统的功能n控制和调节其它系统的活动，使人体成为一个有机的整体n维持机体与外环境间的统一n人类神经系统不仅适应环境，还能主观改造世界现在学习的是第3页，共30页神经系统及神经分布中枢部中枢部周围部周围部脑脑脊髓脊髓3131对脊神经对脊神经1212对脑神经对脑神经内脏神经内脏神经交感神经副交感神经现在

2、学习的是第4页，共30页 嗅神经嗅神经 感觉性感觉性 视神经视神经 感觉性感觉性 动眼神经动眼神经 运动性运动性 滑车神经滑车神经 运动性运动性 三叉神经三叉神经 混合性混合性 展神经展神经 运动性运动性 面神经面神经 混合性混合性 前庭蜗神经前庭蜗神经 感觉性感觉性 舌咽神经舌咽神经 混合性混合性 迷走神经迷走神经 混合性混合性 副神经副神经 运动性运动性 舌下神经舌下神经 运动性运动性连于中脑连于中脑连于延髓连于延髓连于脑桥连于脑桥连于端脑连于端脑连于间脑连于间脑十二对脑神经名称、性质十二对脑神经名称、性质现在学习的是第5页，共30页植物神经系统及其对内脏的调节植物神经系统及其对内脏的调节

3、又称自主神经系统或植又称自主神经系统或植物神经系统。物神经系统。内脏神经系统内脏神经系统交感神经副交感神经副交感神经副交感神经交感神经交感神经包包括括中枢部中枢部周围部周围部现在学习的是第6页，共30页交感神经和副交感神经系统的功能器官交感神经副交感神经循环系统心跳加快加强、皮肤及内脏血管收缩，血压升高心跳减慢减弱，血压降低呼吸系统呼吸道平滑肌舒张呼吸道平滑肌收缩消化系统胃肠平滑肌的活动减弱括约肌收缩加强胃肠平滑肌的活动，括约肌舒张眼瞳孔扩大瞳孔缩小汗腺分泌增加不受副交感神经支配代谢，内分泌糖原分解，肾上腺髓质分泌增加胰岛素分泌增加，糖原合成增加现在学习的是第7页，共30页（一）神经元与神经传

4、导（一）神经元与神经传导n神经系统中担负神经传导的基本结构和神经系统中担负神经传导的基本结构和功能单位是神经细胞，即神经元功能单位是神经细胞，即神经元n神经元的结构组成神经元的结构组成n细胞体、树突与轴突细胞体、树突与轴突n神经元通过以下途径完成信号传导神经元通过以下途径完成信号传导n神经冲动神经冲动(nerve Impuls(nerve Impulse e)n突触传递突触传递(s synapseynapse transmission)transmission)现在学习的是第8页，共30页 q神经元的基本构造q树突与轴突 树突 轴突 短而分支 长/末端有分支（人的可长达1 m，鲸可达 10 m

5、）无髓鞘 有髓鞘（外面包着充满磷脂的髓鞘）接受和传入刺激 传出神经冲动神经元的结构神经元的结构神经元细胞体突起树突 轴突现在学习的是第9页，共30页膝跳反射膝跳反射实际上是两个神经元细胞分别联系着感受器（肌索）、效应器（横纹肌）现在学习的是第10页，共30页突触轴突的末梢分支，是神经元传出神经冲动的终端;突触组成：突触前膜、突触间隙、突触后膜信息通过突触在神经元之间传递，突触是神经细胞和接受神经信号的细胞之间的连接处现在学习的是第11页，共30页（二）神经冲动的产生和传导神 经 冲 动静息电位(resting potential)神经纤维处于静息状态时，存在外正内负的电位差。动作电位(acti

6、on potential)神经纤维受到足够强的刺激，Na+通道完全开放，膜电位提高到最高值。神经冲动(nerve impulse)动作电位沿神经纤维向远端传播，使整个神经纤维依次兴奋。现在学习的是第12页，共30页（1）静息电位n神经元在静息状态时，即未接受刺激，未发生神经冲动时，细胞膜内积聚负电荷，细胞膜外积聚着正电荷，膜内外存在着70 mV电位差；n细胞膜上存在的 Na+,K+ATP泵是造成静息电位的原因之一现在学习的是第13页，共30页动作电位坐标图当神经细胞受到刺激时，细胞膜的透性急剧变化，大量正离子（主要是 Na+）由膜外流向膜内，使膜两侧电位从 70 mV,一下子跳到+35mV，这

7、就是动作电位。动作电位的产生，意味神经冲动的产生。(2)动作电位现在学习的是第14页，共30页动作电位传播特点“全或无”刺激强度不够，不产生动作电位；刺激达到或超过有效强度（阈值），动作电位恒定为+35 mV。快速产生与传播产生仅需 1 ms；从刺激点向两侧传播，速度可达 100 m/S。不应期产生动作电位需 1 ms；恢复到原来静息电位状态35ms；受刺激后直至恢复到静息电位状态，总共46ms这段时间内，神经细胞对新的刺激无反应，称为不应期。现在学习的是第15页，共30页神经冲动沿着轴突,基本上都是按照引起邻段发生动作电位方式向远端传播，到了突触的地方，如何跨越两层细胞膜之间的空隙，传向后一

8、个细胞?（3）神经冲动在突触的传导 跨越细胞间隙传导神经冲动的两种方式 电突触 化学突触 膜间间隙 2 nm 20 nm 传导 电位 神经递质 逆向 可以 不可以常见于 低等动物 高等动物 （蚯蚓、虾、海参等）(脊椎动物，人体)现在学习的是第16页，共30页神经递质：突触处释放神经递质：突触处释放化学物质，可与突触后细化学物质，可与突触后细胞膜受体特异结合胞膜受体特异结合如：乙酰胆碱、如：乙酰胆碱、正肾上腺素正肾上腺素 、氨基丁酸氨基丁酸 、5 5羟色胺羟色胺神经递质由突触前细胞神经递质由突触前细胞释放，通过受体作用于突释放，通过受体作用于突触后细胞，引起突触后细触后细胞，引起突触后细胞的反应

9、胞的反应（4）神经递质及其效应现在学习的是第17页，共30页二、神经网络学习系统n模拟人类实际神经网络的数学方法称为神经网络nT.Koholen的定义：“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应应用n系统辨识n模式识别n智能控制等领域现在学习的是第18页，共30页神经网络学习系统框图 基本原理基本原理输入部接收外来的输入样输入部接收外来的输入样本本X X，由训练部进行网络的，由训练部进行网络的权系数权系数W W调整，然后由输调整，然后由输出部输出结果出部输出结果在此过程中，期望的输出在此过程中，期望的输出信号（或真

10、值）可以作为教信号（或真值）可以作为教师信号输入，由该教师信号师信号输入，由该教师信号与实际输出进行比较，产生与实际输出进行比较，产生的误差去控制修改权系数的误差去控制修改权系数W W 脑脑/脊髓脊髓感觉纤维信息功能反应运动纤维感觉运动现在学习的是第19页，共30页神经与网络学习系统的组成比较神经神经网络学习系统传入信号刺激样本神经中枢感受器输入部脑/脊髓/神经元胞体训练部（多参数模型、函数）运动神经元输出部信号传出效应器实际输出现在学习的是第20页，共30页Xl，X2，Xn，是输入样本信号，W1，W2，Wn是权系数。输入样本信号Xi可以取离散值“0”或“1”。输入样本信号通过权系数作用，在u

11、产生输出结果 WiXi，即有：u=WiXi=W1X1+W2X2+WnXn再把期望输出信号Y(t)和u进行比较，从而产生误差信号e。即权值调整机构根据误差e去对学习系统的权系数进行修改，修改方向应使误差e变小，不断进行下去，使到误差e为零，这时实际输出值u和期望输出值Y(t)完全一样，则学习过程结束神经网络的学习要消耗时间，学习过程要多次重复，甚至达万次级神经网络的权系数W有很多分量W1，W2，-Wn（多参数修改系统），系统的参数的调整就必定耗时耗量。研究和实时控制中的关键：提高神经网络的学习速度，减少学习次数现在学习的是第21页，共30页基因预测的神经网络模型l 人造神经元:网络结(NN)输出

12、输出(阈值)输入输入输入输入输入输入WeightWeightWeight“计算单元”简单处理简单处理:计算总和计算总和复杂处理复杂处理:本身可作为一个网络结本身可作为一个网络结现在学习的是第22页，共30页5启动子转录起始位点非翻译区转录区 起始密码子 终止密码子3转录终止位点外显子 切除和拼接位点GT AG 内含子真核生物基因结构现在学习的是第23页，共30页l 基因结构的神经网络.基因预测的神经网络模型:GRAIL II现在学习的是第24页，共30页如何完成程序的“学习过程”?已知的基因 完整的基因组1/21/2培训学习(sequence and annotation)验证 (sequen

13、ce)未知的基因 程序 选择合适的参数Good prediction一种计算机程序，需要用已知基因的序列对程序进行“培训”，以便能分析同类的新序列现在学习的是第25页，共30页n机器学习是人工智能的核心研究领域之一n任何一个没有学习能力的系统都很难被认为是一个真正的智能系统n经典定义：利用经验改善系统自身的性能现在学习的是第26页，共30页机器学习：生物信息学现在学习的是第27页，共30页机器学习：网络安全现在学习的是第28页，共30页机器学习：搜索引擎 GoogleGoogle的成功，使得的成功，使得Internet Internet 搜索搜索引擎成为一个新兴的产业引擎成为一个新兴的产业 不

14、仅有众多专营搜索引擎的公司出现（例如专门针不仅有众多专营搜索引擎的公司出现（例如专门针对中文搜索的就有慧聪、百度等），而且对中文搜索的就有慧聪、百度等），而且MicrosoftMicrosoft等巨头也开始投入巨资进行研发等巨头也开始投入巨资进行研发 GoogleGoogle掘到的第一桶金，来源于其创掘到的第一桶金，来源于其创始人始人Larry PageLarry Page和和Sergey BrinSergey Brin提出提出的的PageRankPageRank算法算法机器学习技术正在支撑着各类搜索引擎机器学习技术正在支撑着各类搜索引擎（尤其是贝叶斯学习技术）（尤其是贝叶斯学习技术）现在学习的是第29页，共30页机器学习的重要性 美国航空航天局JPL实验室的科学家在Science（2001年9月）上撰文指出：机器学习对科学研究的整个过程正起到越来越大的支持作用，该领域在今后的若干年内将取得稳定而快速的发展现在学习的是第30页，共30页