脑认知与人工神经网络

专题二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，还能主观改造世界神经系统及神经分布中枢部周围部脑脊髓31对脊神经12对脑神经内脏神经交感神经副交感神经Ⅰ嗅神经感觉性Ⅱ视神经感觉性Ⅲ动眼神经运动性Ⅳ滑车神经运动性Ⅴ三叉神经混合性Ⅵ展神经运动性Ⅶ面神经混合性Ⅷ前庭蜗神经感觉性Ⅸ舌咽神经混合性Ⅹ迷走神经混合性Ⅺ副神经运动性Ⅻ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副交感神经交感神经包括中枢部周围部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（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(nerveImpulse)突触传递(synapsetransmission)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1m，鲸可达10m）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细胞体突起树突轴突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）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（二）神经冲动的产生和传导神经冲动静息电位(restingpotential)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(actionpotential)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(nerveimpulse)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。（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－70mV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－70mV,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+35mV。快速产生与传播产生仅需1ms；从刺激点向两侧传播，速度可达100m/S。不应期产生动作电位需1ms；恢复到原来静息电位状态3－5ms；受刺激后直至恢复到静息电位状态，总共4－6ms这段时间内，神经细胞对新的刺激无反应，称为不应期。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2nm20nm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)☆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，减少学习次数基因预测的神经网络模型人造神经元:网络结(NN)功能激活输出(阈值)输入输入输入WeightWeightWeight“计算单元”简单处理:计算总和复杂处理:本身可作为一个网络结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GTAG内含子真核生物基因结构基因结构的神经网络.基因预测的神经网络模型:GRAILII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(sequenceandannotation)验证(sequence)未知的基因程序选择合适的参数Goodprediction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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机器学习：生物信息学机器学习：网络安全机器学习：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LarryPage和SergeyBrin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）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