背景简介

对人类中枢神经系统的观察启发了人工神经网络这个概念。在人工神经网络中，简单的人工节点，称作神经元(或感知器)，连接在一起形成类似生物神经网络的网状结构。

在现在的神经网络软件实现中，生物学的方法已经被抛弃，取而代之的是基于统计学和信号处理的更加实用的方法。

以上摘自维基百科

如何构建一个神经元

1.神经元结构

神经元图片.png

2.训练函数

f(x)=input1*weight(参数1)+input2*weight(参数2)+bias(偏置参数)={ 1   if(W*X+b)>0
                                                              0   otherwise
其中：
input1*weight1=W
input2*weight2=X
bias=b

3.训练步骤

• 输入两个input的数值
• 随机化三个参数的数值
• 与正确的输出结果做比较
  如果输出相同：参数不需要改变
  如果输出不同：需要改变参数

                   新参数1=input1*(正确的output-输出的output)+参数1
                   新参数2=input2*(正确的output-输出的output)+参数2
                   新偏置参数=(正确的output-输出的output)+偏置参数

• 重复训练
• 当三个参数可以正确处理训练集后，训练结束
  (要训练神经元，要先有正确的训练集训练出合适的三个参数，然后神经元在处理相同的问题下就会做出正确的输出)

理论知识到此结束，后面会有两个案例来演示
希望对大家有帮助，如果文中有纰漏或错误，还请指出。