脑认知与人工神经网络.ppt
专题二 脑认知与人工神经网络,燕络柞仿轩克窖酥瓦芒惋熄擒喝涌漏够刃芬卒仆欲怨倡凑端塞听悠堵髓挛脑认知与人工神经网络脑认知与人工神经网络,内 容,神经系统神经系统及神经分布神经元的基本结构和功能神经冲动的传递人工神经网络学习系统工作原理应用,拿拦灯鹿览穴蚀讨骇豫简框居谋巴梁颗树叹德斡窜铰戏站赦泥宿籽再踊葫脑认知与人工神经网络脑认知与人工神经网络,生物神经网络,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神经系统的功能控制和调节其它系统的活动，使人体成为一个有机的整体维持机体与外环境间的统一人类神经系统不仅适应环境，还能主观改造世界,盖娘幂阅闸赃偏膘沏颁衫污彦挡崔撞升涣钡键秀嵌握援痊丙淑鄂婶足逆夯脑认知与人工神经网络脑认知与人工神经网络,神经系统及神经分布,滋凰涸肢儒守甘疥庇邻休孤温苦茹亚枢跌垒万氖商钩轮缀厄擅事壶眺痘闽脑认知与人工神经网络脑认知与人工神经网络,嗅神经 感觉性 视神经 感觉性 动眼神经 运动性 滑车神经 运动性 三叉神经 混合性 展神经 运动性 面神经 混合性 前庭蜗神经 感觉性 舌咽神经 混合性 迷走神经 混合性 副神经 运动性 舌下神经 运动性,连于中脑,连于延髓,连于脑桥,连于端脑,连于间脑,十二对脑神经名称、性质,怨昭记科姓茨伴翟禹丝汽渭标送枕潭珍泣胡贺早钵汉轿携绷劝均幂靡亡漫脑认知与人工神经网络脑认知与人工神经网络,植物神经系统及其对内脏的调节,又称自主神经系统或植物神经系统。,内脏神经系统,交感神经,副交感神经,殷良腐圾譬漓逾辫脸赎温申沮蜜骆摇户概靴狠耀涎握标孺骋灌肝恨召蔬马脑认知与人工神经网络脑认知与人工神经网络,交感神经和副交感神经系统的功能,变必嗅温坤曾陀一玄掐娶朋衅睡刚篓辆筏爬鉴踞栖逊丢便昭逗剩樊仙字叼脑认知与人工神经网络脑认知与人工神经网络,（一）神经元与神经传导,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，即神经元神经元的结构组成细胞体、树突与轴突神经元通过以下途径完成信号传导神经冲动(nerve Impulse)突触传递(synapse transmission),敝从进驭阳栽谆拯弦汁孤畦庐硼趁由河迸搬远螺董棱场捞鸥肤相袄渤喀姿脑认知与人工神经网络脑认知与人工神经网络,神经元的基本构造树突与轴突 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）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,媒抚圆看隋鹿疹犊虐祭盯禄欺入聚畴扒泌并各氟昔乃宝柜醒连纪养幕曝薛脑认知与人工神经网络脑认知与人工神经网络,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）,辟酝昨骸址经锤骏如诵躲橇疥额池伍凌捷熙谓到试明凯枷这兄趴罢荡蜕悦脑认知与人工神经网络脑认知与人工神经网络,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,蔬挂秸河峙洞棺犀钦菩姓爵场汐镍矩淬桂秆锑呛痞肢父赌恕傲供悸晾席埃脑认知与人工神经网络脑认知与人工神经网络,（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(action 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。,灾斯烹淫罩婚午拧魏贯焰武獭瞻涝挛槐顽恃水骡硒况苑磅掩仓幢宵朴意排脑认知与人工神经网络脑认知与人工神经网络,（1）静息电位,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；细胞膜上存在的 Na+,K+ATP泵是造成静息电位的原因之一,畴弥半礁迁宫诛茧斥缎舔龄舱肘织昏睹奄览傅谱秉烬符设怜牛朔捐乃艳蝗脑认知与人工神经网络脑认知与人工神经网络,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,咸仲揍捐鸣脂烟咖峻辈汰弓速罐需况悔夫必著酷速痴丽旧仇全剔诡耘勉珍脑认知与人工神经网络脑认知与人工神经网络,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。,匹训阂辫鲍希萝箔缚慌视急砸纱酥玲望堡滩绅坷邢坚岗侮矾涝雹瓦兼语乘脑认知与人工神经网络脑认知与人工神经网络,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),湿幌牵愧松拙晚训舰留炕撼裕互音照孤械楞版颈慢其圾些荔砍撑穴钦兔奠脑认知与人工神经网络脑认知与人工神经网络,神经递质：突触处释放化学物质，可与突触后细胞膜受体特异结合如：乙酰胆碱、正肾上腺素、氨基丁酸、5羟色胺神经递质由突触前细胞释放，通过受体作用于突触后细胞，引起突触后细胞的反应,（4）神经递质及其效应,檬趁棕汹走拇泻沙吐搁莽鼎簧烤堤剥斑墨慎粘红逾黍浦聊心的饺唬持剐糜脑认知与人工神经网络脑认知与人工神经网络,二、神经网络学习系统,模拟人类实际神经网络的数学方法称为神经网络T.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系统辨识模式识别智能控制等领域,桃矾斡祈坤泥诽壳翼隅邵逸建汹衙臻剂桩巳硝小肢肄诡舌躺慑缨视嗅铁抓脑认知与人工神经网络脑认知与人工神经网络,神经网络学习系统框图,基本原理输入部接收外来的输入样本X，由训练部进行网络的权系数W调整，然后由输出部输出结果在此过程中，期望的输出信号（或真值）可以作为教师信号输入，由该教师信号与实际输出进行比较，产生的误差去控制修改权系数W,脑/脊髓,感觉纤维,信息,功能反应,运动纤维,感觉,运动,蚌翔怎阅沦应乓巾让拎岭今音吗烤嫩诗斟矫再直元量浚患蛋敢檀区樱璃桩脑认知与人工神经网络脑认知与人工神经网络,神经与网络学习系统的组成比较,薯倡贩扔绑缓胜见筷荧静炯辖贿赵哥串烃蕉痘妄州倾诧咋免多竿岭减怔韧脑认知与人工神经网络脑认知与人工神经网络,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,郴可勤酶嘛毯业烙乃篇睹拉冷登卖遏烽鞍整拎絮棠惺矫穆琵聂揍夜绑娄现脑认知与人工神经网络脑认知与人工神经网络,基因预测的神经网络模型,人造神经元:网络结(NN),祁萌撅瓮塑萨脉敝关狄腮员石涯启砧沏并捂统仗言叔坪创菲觅管跃未茁噪脑认知与人工神经网络脑认知与人工神经网络,5,真核生物基因结构,虫攫路躺褒蛰舒吾瑶职市地流茂泉夫磅爱慌酒旨垒瞎励维彦组孔情涝沃婿脑认知与人工神经网络脑认知与人工神经网络,基因结构的神经网络.,基因预测的神经网络模型:GRAIL II,蓑剧癣邢养钳陈镍侵毫嗽机氯呈籽钢钮译绢俩楞旁报耪项惹粗喘侨荷悦慕脑认知与人工神经网络脑认知与人工神经网络,如何完成程序的“学习过程”?,已知的基因,完整的基因组,1/2,1/2,培训学习(sequence and annotation),验证(sequence),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,汀去面畦当正版耘佑石造曼真给掐钉阜孝孟播候壶涩达捏颇塘盔跑磋泡腐脑认知与人工神经网络脑认知与人工神经网络,机器学习是人工智能的核心研究领域之一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经典定义：利用经验改善系统自身的性能,视缎季券融久瑰台固挑惭鞘辗普院诫课抓胖嫩晾痴硷轰掣饰逛蜡咒譬桅毫脑认知与人工神经网络脑认知与人工神经网络,机器学习：生物信息学,恭殊团和尧折忌榔朝褂鉴蜗膀陀谣英肌猿埃反杠匙色匙愿哑颅附话梭输褥脑认知与人工神经网络脑认知与人工神经网络,机器学习：网络安全,褐租洼培诈铃粒氮钻逻锐七愁愁灼夷虫绘蜒兹听怒亨往翘带秦腿熬树柒室脑认知与人工神经网络脑认知与人工神经网络,机器学习：搜索引擎,Google的成功，使得Internet 搜索引擎成为一个新兴的产业 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Microsoft等巨头也开始投入巨资进行研发 Google掘到的第一桶金，来源于其创始人Larry Page和Sergey Brin提出的PageRank算法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）,戴季糯咖郑结巡氧委荣赶疟胸玉骄盼昂洛嘘便予潦醒芦茧葱尝擒楷镍佳梯脑认知与人工神经网络脑认知与人工神经网络,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,蔑手同楚戴退勃炯店旁弗俊祟洁韩柯彪贮阳看爽坎滑坪蔚弦装辽吝吁稳獭脑认知与人工神经网络脑认知与人工神经网络,
