2.2 人工神经元模型

人工神经元（Artificial Neuron）（或称神经元）是神经网络操作的基本信息处理单位，主要模拟生物神经元的结构和特性，接受一组输入信息后，经过信号处理、加工产生输出。目前，人们提出的神经元模型已有很多，其中最早被提出且影响较大的是1943年由心理学家McCulloch和数学家Pitts在分析总结神经元基本特性的基础上首先提出的McCulloch-Pitts模型，简称M-P模型，又称为处理单元（PE）。该模型经过不断改进后，现在成为被广泛应用的形式神经元模型。该模型在简化的信息处理基础上提出了以下6点假定进行描述。

（1）每个神经元都是一个多输入、单输出的信息处理单元。

（2）神经元输入分兴奋性输入和抑制性输入两种类型。

（3）神经元具有空间整合特性和阈值特性。

（4）神经元输入与输出间有固定的时滞，主要取决于突触延搁。

（5）忽略时间整合作用和不应期。

（6）神经元本身是非时变的，即其突触时延和突触强度均为常数。

显然，上述假定是对生物神经元信息处理过程的简化和概括，清晰地描述了生物神经元信息处理的特点。