深度学习之美——M-P神经元模型

M-P神经元模型是什么

简单来说，神经网络是一种模仿动物神经网络行为特征，进行分布式并行处理信息的算法模型。

人工神经网络（ANN）的性能好坏，高度依赖神经系统的复杂程度，他通过调整内部大量“简单单元”之间的互连权重，从而达到处理信息的目的，并具有自学习和自适应的能力。

“简单单元”就是神经网络中的最基本元素——神经元。

M-P神经元模型是模仿大脑神经元的最早示例。

在M-P神经元模型中，神经元接收来自n个其他神经元传递过来的输入信号，再将接收到的输入信号按照某种权重叠加起来，叠加起来的刺激强度S可用公式来表示。得到S后，好要与当前神经元的阈值进行比较，然后通过激活函数向外表达输出。

M-P神经元模型可用公式来表示，其中是所谓的“阈值”，f就是激活函数

模型背后的人和事

罗素等人在书中论述